本项目实现了基于腹部 CT 的肝脏血管自动分割与评估，包含完整的数据预处理、三种经典/实用分割算法、指标评估与可视化展示。同时提供了 MATLAB App Designer 编写的交互式应用，便于对单例病例进行快速试验与可视化。
使用数据集
- MSD Task08 Hepatic Vessel（Medical Segmentation Decathlon 肝血管任务）
- 公开链接：
MSD 肝脏血管分割 - 目录示例：
Task08_HepaticVessel/Task08_HepaticVessel/imagesTr/与labelsTr/
算法概述
项目实现并评估了三种分割算法，核心思想如下：
- Percentile（强度分位数阈值）
- 在肝脏 ROI 内统计强度直方图，取高分位数（如 97%）作为阈值进行二值化，随后做形态学清理。
- RegionGrow（区域生长）
- 自动在肝脏 ROI 中选取高强度体素作为种子点（如 99.5% 分位），以稍低阈值（如 95% 分位）作为生长上限，进行掩膜重建与连通域清理。
- Ensemble（集成融合）
- 将 Percentile 与 RegionGrow 的结果进行逻辑或融合，以最大覆盖真阳性；之后通过闭运算与体积阈值滤波移除噪声。
上述实现细节请参考对应源文件内的“函数头部注释与逐步说明”。
代码结构
HepaticVesselApp/ ├─ app/ # App Designer 工程（.mlapp） ├─ core/ │ ├─ preprocessCase.m # 病例数据预处理（重采样/ROI/裁剪/显示强度） │ ├─ segmentVessel_Percentile.m# 分位数阈值分割 │ ├─ segmentVessel_RegionGrow.m# 区域生长分割 │ ├─ segmentVessel_Ensemble.m # 集成融合分割 │ └─ utils/ │ ├─ body_mask3d.m # 身体掩膜（去空气床板等背景） │ ├─ ct_windowing_to01.m # CT 窗宽窗位归一化至 [0,1] │ ├─ resample_isotropic.m # 各向同性重采样 │ ├─ crop_by_mask_with_margin.m # 带边距裁剪 │ ├─ evaluateMetrics.m # Dice/IoU/Prec/Rec 计算 │ └─ create_multi_view_figure.m # 三正交视图可视化（预测/真值叠加） │ ├─ evaluation_results/ # 统计图表与分析脚本 │ ├─ 1.png, 2.png, 3.png # 评估可视化（见下文“结果展示”） │ └─ result_analysis.py # 统计与绘图脚本 │ ├─ outputs/ │ └─ case_001/ # 示例病例输出（含可视化图） │ └─ final_vessel_result.png │ ├─ run_vessel_pipeline.m # 批量评测脚本（循环病例×算法） └─ run_segmentation_for_app.m # App 后端执行逻辑（单例、返回图像与指标）
更详细的处理流程、参数说明与边界条件处理，请直接阅读各 .m 文件开头的注释。结果展示
1) 三种算法的平均处理时间对比（全部 303 例）
含义：对全部 303 个病例统计，柱状图展示 Percentile / RegionGrow / Ensemble 三种算法的平均运行时间（秒）。
核心数值（来自统计脚本输出）：
- Percentile：平均时间 0.115 s
- RegionGrow：平均时间 1.070 s
- Ensemble：平均时间 1.242 s
2) 三种算法 Dice 系数的整体分布对比（箱线图，全部 303 例）
含义：展示三种算法在所有病例上的 Dice 分布范围（四分位、极值与中位数）。可直观看到 Ensemble 在中位数和上四分位的优势。
核心数值（均值 / 中位数）：
- Percentile：平均 0.3948，中位数 0.4109
- RegionGrow：平均 0.4114，中位数 0.4778
- Ensemble：平均 0.4470，中位数 0.4895
3) 三种算法在所有病例上的 Dice 系数对比（逐病例柱状）
含义：横轴为病例 ID，纵轴为 Dice。每个病例上三根柱分别对应 Percentile、RegionGrow、Ensemble，便于观察改进是否稳定。
4) 病例 001 的可视化分割结果（Ensemble）
下图为 case_001 的三视图叠加可视化（预测与真值边界）：
分析：该病例上，Ensemble 融合策略在主干与较粗支路位置形成稳定覆盖，细小分支处仍受体素尺寸与对比度影响存在漏检。整体 Dice 约 0.65（图标题示意），与整体统计中 Ensemble 的均值 0.447、高于 Percentile 与 RegionGrow 的总体表现一致，说明融合策略在多数病例上能带来稳健收益。
如需批量导出所有病例的多视角结果，请使用 run_vessel_pipeline.m。
App 交互式应用（App Designer）
应用界面示意：
应用的执行逻辑集中在 run_segmentation_for_app.m：
- 读取参数并调用
preprocessCase完成重采样、ROI、裁剪与显示强度生成； - 根据按钮选择的算法名称，调用
segmentVessel_Percentile/RegionGrow/Ensemble； - 通过
evaluateMetrics计算指标，格式化为字符串返回； - 使用
create_multi_view_figure生成三正交视图（预测/真值等高线叠加），并将figure捕获为图像矩阵返回供 App 展示； - 统一设置
figure尺寸，保证导出清晰度一致。
复现实验
- MATLAB 端批量评测
- 在
run_vessel_pipeline.m中设置rootDir与caseIDs_to_test，直接运行脚本。
- Python 端统计与绘图（可选）
- 进入
evaluation_results/，运行result_analysis.py，将输出三类统计与汇总表；脚本也可扩展生成箱线图/小提琴图等。