这是一个针对肺部支气管（Airway）三维分割结果进行骨架提取、拓扑结构重构、自动化清理及定量分析的完整解决方案。
自动化骨架提取：基于 skimage.morphology 的 3D 细化算法，并加入了形态学闭运算修复与断裂自动缝合。
破环算法：自动识别并断开气管中的环状结构（Cycles），确保树状拓扑。 二叉树强制转换：通过影响力评分（点数+深度）保留主干，自动剔除细小毛刺。 多层级清洗：针对气管顶部区域进行主干唯一性校验。 平滑与重采样：使用三次样条插值（B-Spline）对提取的骨架进行平滑处理，并实现均匀点云重采样。 可视化渲染：基于 VTK 实现支气管掩码（NIfTI）与彩色层级骨架（JSON）的离屏渲染与自动截图。 定量统计分析：自动计算支气管的分级（Generation），生成 Excel 报表，并提供基于 5%-95% 分位数的异常值检测（QC）。
- 文件名 功能描述
- tree.py 核心提取脚本。包含加载 NIfTI、提取骨架、破环、初步清理及生成原始 JSON。
- refine.py 拓扑后处理。实现二叉树强制转换、断裂缝合、几何一致性同步及毛刺剔除。
- process_tree.py 几何优化。对骨架段进行样条平滑和平滑后的均匀重采样。
- batch_visualize.py 渲染与统计。计算层级、分配颜色、批量生成 VTK/PNG 截图并导出 Excel 汇总。
- caltest.py 质量控制 (QC)。分析 Excel 结果，标记需要重新标注或裁剪的异常病例。
- 参数名 默认值 建议范围 说明
- min_voxel 10 10 - 500 过滤掉的小连通域体素阈值
- min_branch_length 3 3 - 10 剔除的末端毛刺长度上限
- distance_threshold 6.0 5.0 - 10.0 缝合断裂时的搜索半径
- top_z_threshold 30.0 20.0 - 50.0 气管顶部根节点竞争范围
- s_val (Spline) 20.0 10.0 - 50.0 平滑力度，数值越大越平滑
预处理：对二进制掩码进行孔洞填充及形态学闭运算，增强支气管壁的连通性。
提取：执行 3D Skeletonization 获得体素级骨架。
修复：connect_disconnected_skeletons 利用 cKDTree 寻找最近邻，强行缝合断裂的支气管段。
修剪： break_skeleton_cycles_balanced 移除由于分割粘连产生的冗余环路。 enforce_binary_tree_structure 确保每个分叉点最多只有两个子分支。
结构化：将点集转化为具有 index, fatherindex, start, end, member 属性的树形 JSON。
可视化：根据 Generation（代数）对骨架进行着色，第 0 代（气管）为红色，后续分级依次变化。
-
环境依赖 pip install numpy nibabel scikit-image scipy networkx scikit-learn vtk pandas openpyxl
-
执行骨架提取 修改 tree.py 中的 input_folder 路径，运行： python tree.py
-
执行拓扑精修与平滑 运行 process_tree.py 进一步优化骨架的平滑度，使其符合解剖学形态。
-
批量统计与可视化 运行 batch_visualize.py，系统将自动： 在 Screenshots/ 生成支气管树 3D 渲染图。 生成 Airway_Batch_Summary.xlsx，包含每一例各级分支的数量统计。
📊 数据格式说明 JSON 骨架格式 JSON { "index": "10", "start": [120.0, 256.5, 300.2], "end": [135.0, 260.1, 280.5], "member": [[...], [...]], "fatherindex": "5" } 统计报表 (Excel) case_id: 病例编号 Total_Levels: 总分级深度 gen_0 ~ gen_N: 每一代分支的数量
⚖️ 质量控制 (QC) 逻辑 通过 caltest.py 自动筛选： Stage 1 (Relabel): 若 0-6 级主支气管数量严重偏离正常分布，判定为分割错误。 Stage 2 (Pruning): 若末梢分支过多，自动计算 cutoff_generation 建议裁剪层级。
学生第一次接触这类医疗任务，仍有许多不足，敬请修改指正。 这是两周速成任务，还有很多问题没有解决，例如飞线，速度慢等。nii文件是标注公司标注而来。不是完全正确。 最后的筛选也不是真正准确。