如何将血管或支气管分割为独立分支？Python工具实现咨询

问题背景 #

当获取到血管的二维或三维图像时，需将其分割为细小分支；当前已规划思路：通过image.morphology.skeletonize_3d对图像进行骨架化处理，再从分支汇聚节点处分割，但暂未实现节点检测，希望了解Python可用的封装工具包及实现方法。

节点检测的手动实现（基于scikit-image） #

基于骨架化后的图像，可通过计算骨架点的邻域连通数来识别节点——分支汇聚点的邻域骨架点数量通常≥3（因骨架为单像素宽度），示例代码如下：

import numpy as np
from skimage.morphology import skeletonize_3d
from scipy.ndimage import convolve

# 输入：二值化的三维血管/支气管图像（vol，背景为0，目标为1）
skeleton = skeletonize_3d(vol)

# 定义26邻域卷积核（排除自身像素）
kernel = np.ones((3, 3, 3))
kernel[1, 1, 1] = 0

# 计算每个骨架点的邻域骨架点数量
neighbor_count = convolve(skeleton.astype(int), kernel, mode='constant')

# 提取节点：骨架上邻域点≥3的位置
nodes = (skeleton == 1) & (neighbor_count >= 3)

可用Python工具包推荐 #

1. scikit-image #

作为常用的图像处理库，除了自带的skeletonize_3d骨架化函数，还可结合scipy.ndimage或skimage.measure模块实现节点检测与分支分割，适合轻量级、自定义需求场景。

2. VMTK（Vascular Modeling Toolkit） #

专门针对血管/管状结构建模的工具包，提供了完整的分支提取、节点检测功能，无需手动实现骨架化后处理。可直接通过Python接口调用vmtkBranchExtractor类，自动完成从图像到分支分割的流程。

3. SimpleITK #

专注于医学图像处理的库，支持3D图像的骨架化、连通区域分析，可通过SimpleITK.SkeletonizationImageFilter生成骨架，再结合连通性分析识别节点与分支。

4. PyVista #

用于3D网格可视化与处理的库，可将骨架化后的图像转换为网格数据，再通过拓扑分析识别分支节点，适合需要可视化辅助的分割场景。

内容的提问来源于stack exchange，提问作者shyyang9091