CN110599465A

CN110599465A - 图像定位方法、装置、计算机设备和存储介质

Info

Publication number: CN110599465A
Application number: CN201910802648.3A
Authority: CN
Inventors: 张文海; 高耀宗
Original assignee: Shanghai United Imaging Intelligent Healthcare Co Ltd
Current assignee: Shanghai United Imaging Intelligent Healthcare Co Ltd
Priority date: 2019-08-28
Filing date: 2019-08-28
Publication date: 2019-12-20
Anticipated expiration: 2039-08-28
Also published as: CN110599465B

Abstract

本申请涉及一种图像定位方法、装置、计算机设备和存储介质。所述方法包括：获取目标分割图像，所述目标分割图像包括感兴趣区域；对所述感兴趣区域进行距离变换处理，得到距离图像；所述距离图像中的每个元素表征所述感兴趣区域上不同位置的管径大小；根据所述感兴趣区域的形态特征对所述距离图像进行后处理，得到处理后的距离图像；遍历所述处理后的距离图像上的每个元素，确定所述处理后的距离图像上大于预设管径阈值的目标管径值，并定位所述目标管径值对应的位置所在的图像切片。采用本方法能够提高检测效率，降低误检率。

Description

图像定位方法、装置、计算机设备和存储介质

技术领域

本申请涉及图像处理技术领域，特别是涉及一种图像定位方法、装置、计算机设备和存储介质。

背景技术

食管癌是常见的消化道肿瘤，主要来源于食管上皮的细胞的一种恶性的肿瘤。全世界每年约有30万人死于食管癌，我国也是世界上食管癌高发地区之一，每年平均病死约15万人。食管癌也称为食道癌，食道一般被分为上段、中段和下段，不同的部位的食管癌对人体的影响是不同的，因此，对食管癌的检测就显得尤为重要。

传统技术是患者先拍摄胸部CT图像，该胸部CT图像中包括食管(或者称为食道)，拍摄完之后医生通过观看该胸部CT扫描图像，并根据经验识别出食管的病灶。

然而上述通过医生观看胸部CT扫描图像识别出食管的病灶的方法，其检测效率低下，且误检测率较高。

发明内容

基于此，有必要针对上述技术问题，提供一种图像定位方法、装置、计算机设备和存储介质。

一种图像定位方法，该方法包括：

获取目标分割图像，该目标分割图像包括感兴趣区域；

对上述感兴趣区域进行距离变换处理，得到距离图像；上述距离图像中的每个元素表征上述感兴趣区域上不同位置的管径大小；

根据上述感兴趣区域的形态特征对上述距离图像进行后处理，得到处理后的距离图像；

遍历上述处理后的距离图像上的每个元素，确定上述处理后的距离图像上大于预设管径阈值的目标管径值，并定位上述目标管径值对应的位置所在的图像切片。

一种图像定位装置，该装置包括：

获取模块，用于获取目标分割图像，上述目标分割图像包括感兴趣区域；

变换模块，用于对上述感兴趣区域进行距离变换处理，得到距离图像；上述距离图像中的每个元素表征上述感兴趣区域上不同位置的管径大小；

处理模块，用于根据上述感兴趣区域的形态特征对上述距离图像进行后处理，得到处理后的距离图像；

定位模块，用于遍历上述处理后的距离图像上的每个元素，确定上述处理后的距离图像上大于预设管径阈值的目标管径值，并定位上述目标管径值对应的位置所在的图像切片。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取目标分割图像，该目标分割图像包括感兴趣区域；

一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取目标分割图像，该目标分割图像包括感兴趣区域；

上述图像定位方法、装置、计算机设备和存储介质，通过获取目标分割图像，该目标分割图像包括感兴趣区域，对感兴趣区域进行距离变换处理，得到距离图像，该距离图像中的每个元素表征感兴趣区域上不同位置的管径大小，根据感兴趣区域的形态特征对距离图像进行后处理，得到处理后的距离图像，并遍历处理后的距离图像上的每个元素，确定处理后的距离图像上大于预设管径阈值的目标管径值，并定位目标管径值对应的位置所在的图像切片。在该方法中，一方面由于该方法可以直接定位出目标管径值对应的位置所在的图像切片，然后就可以辅助医生进行检测，不需人工去观看CT图像去识别病灶，因此该方法可以提高检测效率；另一方面，由于该方法可以根据感兴趣区域的形态特征对距离图像进行后处理，这样可以使得处理后的距离图像更加符合真实的情况，从而在根据该处理后的距离图像确定大于预设管径阈值的目标管径值时，确定的目标管径值就会更加准确，进而根据该准确的目标管径值对应的位置去定位图像切片时，定位的图像切片也就会更加准确，从而在医生对患者进行检测时，利用该准确的图像切片，得到的检测结果也就会更加准确，而不需要人工根据经验去得到病灶，因此该方法可以降低误检率，即可以提高检测的准确率。

附图说明

图1为一个实施例中计算机设备的内部结构图；

图2a为一个实施例中图像定位方法的流程示意图；

图2b为一个实施例的图像定位方法中目标切片的定位示意图；

图3a为另一个实施例中图像定位方法的流程示意图；

图3b为另一个实施例的图像定位方法中对图像进行第一处理的示意图；

图4a为另一个实施例的图像定位方法中对图像进行去空气处理的示意图；

图4b为另一个实施例中图像定位方法的流程示意图；

图5a为另一个实施例中图像定位方法的流程示意图；

图5b为另一个实施例中图像定位方法中边界框图像的示意图；

图5c为另一个实施例的图像定位方法中图像整体处理过程的示意图；

图6为另一个实施例中图像定位方法的流程示意图；

图7为一个实施例中图像定位装置的结构框图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的图像定位方法，可以应用于如图1所示的计算机设备。如图1所示，该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像定位方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图1中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

需要说明的是，本申请实施例的执行主体可以是图像定位装置，也可以是计算机设备，下面实施例将以执行主体为计算机设备为例进行说明。

在一个实施例中，提供了一种图像定位方法，本实施例涉及的是计算机设备如何对目标分割图像进行处理，得到距离图像，并对距离图像进行处理，以及在处理后的距离图像上定位出所需的图像切片的具体过程。如图2a所示，该方法可以包括以下步骤：

S202，获取目标分割图像，该目标分割图像包括感兴趣区域。

其中，目标分割图像为将原始图像分割之后，得到的包括感兴趣区域的图像，以待检测对象为人体为例，这里的感兴趣区域可以是人体的食管、当然也可以是人体的其他器官，例如肾脏、肝脏等等。这里的图像可以是CT图像、MR图像、PET图像、PET-CT图像、PET-MR图像等。

具体的，计算机设备可以首先获取原始图像，并对该原始图像进行分割处理等，就可以得到包括感兴趣区域的目标分割图像。可选的，这里的分割处理可以是将原始图像利用分割模型进行分割处理，也可以是利用标注工具对原始图像进行标注，实现分割处理等，当然也可以是其他分割处理等，本实施例对此不作具体限定，只要可以分割得到目标分割图像即可。

S204，对感兴趣区域进行距离变换处理，得到距离图像；该距离图像中的每个元素表征上述感兴趣区域上不同位置的管径大小。

其中，这里的距离变换处理可以采用距离变换算法，也可以采用距离变换算法的相关变种算法，本实施例对此不做限定。另外，距离图像可以是一个三维阵列，该距离图像中的每个元素不仅可以表征管径大小，还可以表征该管径在感兴趣区域上的位置；管径大小指的是感兴趣区域内的点到感兴趣区域外壁上的最短距离，也可以称之为管径值。另外，这里的距离图像也可以称之为距离谱。

具体的，计算机设备在得到目标分割图像之后，可以利用距离变换算法或者其变种算法，对感兴趣区域内的每一点进行距离变换处理，然后就可以得到感兴趣区域内每一点的管径值，之后计算机设备可以将感兴趣区域内每一点的管径值和其各自对应的位置构成一个距离图像。

S206，根据感兴趣区域的形态特征对距离图像进行后处理，得到处理后的距离图像。

其中，感兴趣区域的形态特征在这里可以是感兴趣区域的生理特征(例如感兴趣区域存在的生理性增厚等)，也可以是感兴趣区域内包含一定的空气成分等特征，当然也可以是其他的一些特征等；另外，这里的后处理可以是针对各种形态特征所做的一些处理操作，例如可以是切除处理(比如切除感兴趣区域顶端和/或底端的一段距离)、去除空气处理等等。

具体的，计算机设备在得到距离图像之后，可以针对感兴趣区域的形态特征，有针对性地去对距离图像做一些后处理操作，从而使距离图像更加符合真实情况，在后处理之后，就可以得到一个更准确的距离图像，也即是处理后的距离图像。

S208，遍历处理后的距离图像上的每个元素，确定该处理后的距离图像上大于预设管径阈值的目标管径值，并定位目标管径值对应的位置所在的图像切片。

其中，这里的目标管径值可以是一个，当然也可以是多个，也就是说在处理后的距离图像上，只要管径值大于预设管径阈值，那么都可以被称之为目标管径值，每个目标管径值对应一个位置，每个位置可以对应多个切片，也可以对应一个切片，即切片的厚度在这里不做限定；另外，预设管径阈值也可以根据实际情况而定，这里也不作具体限定。

具体的，计算机设备在得到处理后的距离图像之后，可以遍历该处理后的距离图像上的每个元素，并将每个元素的管径值都和预设管径阈值进行对比，从中找出大于预设管径阈值的管径值，并将大于预设管径阈值的管径值称为目标管径值，同时也可以根据目标管径值得到目标管径值对应的位置，之后，就可以根据目标管径值对应的位置，得到该位置所在的图像切片。在这里，需要说明一下，一般拍摄得到的三维图像是由多个二维图像切片构成的，每个二维图像切片在扫描方向是有对应的位置信息的，例如，假设扫描方向是沿着Z轴，那么得到的多个二维图像切片就是沿着Z轴叠加，从而构成三维图像，那么在Z轴方向上，每个二维图像切片会有各自对应的位置信息，上面在得到目标管径值对应的位置之后，可以将该图像中的Z轴位置信息和图像切片的Z轴位置信息进行对比，就可以确定出目标管径值对应的位置在哪个图像切片上了。以食管为例，目标管径值对应的图像切片的定位可以参见图2b所示。

上述图像定位方法中，通过获取目标分割图像，该目标分割图像包括感兴趣区域，对感兴趣区域进行距离变换处理，得到距离图像，该距离图像中的每个元素表征感兴趣区域上不同位置的管径大小，根据感兴趣区域的形态特征对距离图像进行后处理，得到处理后的距离图像，并遍历处理后的距离图像上的每个元素，确定处理后的距离图像上大于预设管径阈值的目标管径值，并定位目标管径值对应的位置所在的图像切片。在该方法中，一方面由于该方法可以直接定位出目标管径值对应的位置所在的图像切片，然后就可以辅助医生进行检测，不需人工去观看CT图像去识别病灶，因此该方法可以提高检测效率；另一方面，由于该方法可以根据感兴趣区域的形态特征对距离图像进行后处理，这样可以使得处理后的距离图像更加符合真实的情况，从而在根据该处理后的距离图像确定大于预设管径阈值的目标管径值时，确定的目标管径值就会更加准确，进而在根据该准确的目标管径值对应的位置去定位图像切片时，定位的图像切片也就会更加准确，从而在医生对患者进行检测时，利用该准确的图像切片，得到的检测结果也就会更加准确，而不需要人工根据经验去得到病灶，因此该方法可以降低误检率，即可以提高检测的准确率。

在另一个实施例中，提供了另一种图像定位方法，本实施例涉及的是如何根据感兴趣区域的顶端和底端位置等形态特征，来对距离图像进行后处理，得到处理后的距离图像的具体过程。在上述实施例的基础上，如图3a所示，上述S206可以包括以下步骤：

S302，获取距离图像的顶端位置和底端位置。

其中，距离图像的顶端位置可以是一个元素的位置，也可以是多个元素的位置，如果是多个元素的位置，那么需要多个元素的位置在水平方向上相同，底端位置与顶端位置同理；另外，顶端位置和底端位置可以是距离图像中元素的坐标值，该坐标值可以是三维坐标值，也可以是二维坐标值或者一维坐标值，当然本实施例中主要使用的是三维坐标值。

具体的，计算机设备在得到距离图像之后，可以找到距离图像上的顶端和底端，并通过顶端和底端对应的元素，就可以得到顶端位置和底端位置。

S304，将距离图像中的目标位置上的元素置零，得到第一处理后的距离图像，上述距离图像中的目标位置为与距离图像的顶端位置的距离小于预设距离的位置，和/或，与距离图像的底端位置的距离小于预设距离的位置。

其中，上述预设距离的大小可以根据实际情况而定，具体可以根据感兴趣区域的形态特征而定，可以是1厘米，2厘米等等，同时，上述两个预设距离的大小可以相同，也可以不同，示例性地，如与顶端位置有关的预设距离为1厘米，与底端位置有关的预设距离可以为2厘米等，当然这里只是一个示例，也可以是其他的值；另外，目标位置可以是一个位置，也可以是多个位置，在本实施例中主要使用的是多个位置，即利用多个目标位置构成一个目标区域，可以将目标区域的元素都置零。

具体的，计算机设备在得到距离图像的顶端位置和底端位置之后，可以将距离图像中各个位置和顶端位置的距离和/或和底端位置的距离计算出来，从而得到距离图像中各个位置和顶端位置的距离，和/或各个位置和底端位置的距离，之后可以将计算出的距离与预设距离进行对比，得到小于预设距离的距离对应的位置，并将这些位置记为目标位置，在得到目标位置之后，就可以将目标位置上的元素值置为零。需要说明的是，在本实施例中，可以是针对底端位置和顶端位置的预设距离内都进行元素置零操作，当然也可以是只针对顶端位置的预设距离内进行元素置零操作，对底端位置不进行操作，同时也可以是只针对底端位置的预设距离内进行元素置零操作，对顶端位置不进行操作。

在本实施例中，对于上述S204生成的距离图像，如果直接去遍历查找目标管径值，那么就会存在一些问题。下面以食管为例进行说明，如图3b所示，一般在食管入口处和食管靠近贲门处，都会存在一些生理性增厚，而食管癌患者的食管一般是比正常的食管更粗一些，这样在寻找食管的最大管径值时，就容易出现将食管入口处或者食管靠近贲门处对应的管径值作为最大管径值，很明显，这里的最大管径值并不是真实的目标管径值，也就是说会把食管入口处或者食管靠近贲门处认为是患癌处，而漏掉真实的患癌部位，在实际情况中，一般这两个部位很少出现病变，可见，如果不对食管的这些生理特征进行处理，那么就容易出现检测错误的问题，所以一般在得到距离图像后，就需要针对感兴趣区域的形态特征对距离图像进行一些后处理，例如这里将食管的底端和顶端各切除1cm等，然后对处理后的距离图像再进行遍历，这样可以使定位的图像切片更加准确，即得到的检测结果也会更加符合真实情况，也即是检测结果会更准确。除此之外，上述将食管的底端和顶端各切除1cm，仅会对定位产生少量的偏差，并不会影响到定位的准确性。

本实施例提供的图像定位方法，通过获取距离图像的顶端位置和底端位置，并将该距离图像上的目标位置上的元素置零，得到第一处理后的距离图像，这里的目标位置指的是与距离图像的顶端位置的距离小于预设距离的位置，和/或与距离图像的底端位置的距离小于预设距离的位置。在本实施例中，由于可以根据感兴趣区域的形态特征，将距离图像中的一部分位置上的元素置零，得到处理后的距离图像，这样可以提高定位的准确性，同时使定位的图像切片更加准确，即得到的检测结果也会更加符合真实情况，也即是检测结果会更准确。

在另一个实施例中，提供了另一种图像定位方法，本实施例涉及的是如何对第一处理后的距离图像进行去空气处理，得到第二处理后的距离图像的具体过程。在上述实施例的基础上，上述方法还可以包括以下步骤：

对第一处理后的距离图像进行去空气处理，得到第二处理后的距离图像。

其中，以食管为例，如图4a所示，一般食管中会含有一定的空气成分，这样就会导致食管中的某些正常部位出现管径变大(即增粗)的情况，这样在定位最大管径值时，就容易错误的定位到这些正常增粗的部位，造成虚警的问题，从而导致误判，因此本实施例在充分考虑空气对定位结果的影响情况下，就需要对食管进行去空气处理，以提高定位结果的准确性。

在该步骤中，距离图像是包括多个图像切片的，进行了第一处理之后，也是包括多个图像切片的，即第一处理后的距离图像包括至少一个图像切片，在进行去空气处理时，可以针对各个图像切片进行，即对每个图像切片分别进行去空气处理，当然也可以是针对整个距离图像进行，本实施例主要是针对各个图像切片分别进行去空气处理，这样效果更佳。可选的，去空气处理的具体过程可以参见图4b所示的步骤，如图4b所示，该去空气处理的过程可以包括以下步骤：

S402，获取每个图像切片的感兴趣区域上每一点的HU值，并将每个图像切片的感兴趣区域上每一点的HU值和预设阈值进行对比。

其中，HU(Hounsfiled Unit)值，一般是作为CT值的单位，反映了组织对X射线吸收程度，即CT图像中各组织与X射线衰减系数相当的对应值。预设阈值可以是根据实际情况而设定的值，例如可以是-200、-150等等。

具体的，计算机设备在得到第一处理后的距离图像时，也可以通过扫描设备的参数统计，得到第一处理后的距离图像上各个点的HU值，即第一处理后的距离图像的每个图像切片上各个点的HU值，在这里第一处理后的距离图像一般只包括感兴趣区域，而每个图像切片上都包括感兴趣区域，即可以得到每个图像切片的感兴趣区域上每一点的HU值，这样可以将各个图像切片的感兴趣区域上的每一点的HU值和预设阈值进行对比，得到每个图像切片的感兴趣区域上各点的比较结果。

S404，将每个图像切片的感兴趣区域上HU值大于预设阈值的点数量和每个图像切片的感兴趣区域上总的点数量做比值，并将比值和预设比值阈值进行对比。

其中，这里的预设比值阈值也可以根据实际情况而定，例如，可以是20％，30％等等。

具体的，在S402中，计算机设备可以将每个图像切片的感兴趣区域上各个点的HU值分别和预设阈值进行对比，这样就会得到每个图像切片的感兴趣区域上HU值大于预设阈值的点，之后可以将每个图像切片上大于预设阈值的点数量统计出来，以及将其对应的图像切片的感兴趣区域上总的点数量统计出来，并将每个图像切片上大于预设阈值的点数量和每个图像切片的总的点数量做比值，最后将得到比值和预设比值阈值进行对比，这样就可以得到各个图像切片的比较结果。

S406，若一个图像切片的比值大于预设比值阈值，则将一个图像切片的目标位置上的元素置零，该一个图像切片的目标位置为一个图像切片的感兴趣区域上HU值大于预设阈值的点。

具体的，计算机设备在将每个图像切片的比值均和预设比值阈值进行对比后，如果得到的对比结果中任意一个图像切片的比值大于预设比值阈值，那么就可以认为该图像切片包含的空气成分过大，就需要对该图像切片进行处理，处理操作可以是将该图像切片的目标位置上的元素置零，这里的目标位置指的是图像切片的感兴趣区域上HU值大于预设阈值的点。如果图像切片的比值不大于预设比值阈值，那么就可以认为该图像切片中的空气成分不是很高，不需要对该图像切片进行去空气处理。另外，这里的目标位置可以是一个点，也可以是多个点。当然这里对其他图像切片也是类似这样的处理操作。在对空气成分过大的图像切片进行处理之后，得到的图像可以称之为第二处理后的距离图像。

本实施例提供的图像定位方法，通过对所述第一处理后的距离图像进行去空气处理，得到第二处理后的距离图像。在本实施例中，由于可以对第一处理后的距离图像再进行去空气处理，这样可以使最终得到的距离图像更加准确，从而在对最大管径值定位时，可以进一步避免虚警的情况，从而可以进一步提高定位的准确性。

在另一个实施例中，提供了另一种图像定位方法，本实施例涉及的是在对感兴趣区域进行距离变换处理之前，还可以对目标分割图像进行处理，得到边界框图像的具体过程。在上述实施例的基础上，如图5a所示，上述方法还可以包括以下步骤：

S502，获取目标分割图像上感兴趣区域的顶端位置信息、底端位置信息、边界位置信息。

其中，感兴趣区域的顶端位置可以是一个元素的位置，也可以是多个元素的位置，如果是多个元素的位置，那么需要多个元素的位置在水平方向上相同，底端位置与顶端位置同理；另外，这里的位置信息可以是坐标值，该坐标值可以是三维坐标值，也可以是二维坐标值或者一维坐标值，当然本实施例中主要使用的是三维坐标值。这里的边界位置信息可以是感兴趣区域除顶端和底端之外的一些边界位置信息。

具体的，计算机设备在得到目标分割图像之后，可以找到该目标分割图像的感兴趣区域上的顶端位置和底端位置、以及对感兴趣区域的边界进行测量，得到该顶端位置对应的位置信息和底端位置对应的位置信息和边界位置信息，即得到感兴趣区域的顶端位置信息和感兴趣区域的底端位置信息以及边界位置信息。

S504，根据感兴趣区域的顶端位置信息、感兴趣区域的底端位置信息和感兴趣区域的边界位置信息，从目标分割图像上得到边界框图像，该边界框图像包括感兴趣区域。

具体的，计算机设备在得到感兴趣区域的顶端位置信息和底端位置信息之后，同样也可以得到感兴趣区域的边界位置信息，之后就可以按照该顶端位置信息、底端位置信息和边界位置信息等，设置一个边界框，将感兴趣区域包含在该边界框中，得到边界框图像，也称为紧致框图像。示例性地，可以参见图5b所示，图5b中阴影部分为感兴趣区域，包括阴影部分的边框为边界框，阴影部分和边框总体构成了边界框图像，以二维坐标值为例，假设顶端位置坐标是(2，9)、底端位置坐标是(3，1)，取中部左右两侧的边界坐标，分别是(4，4)和(7，4)，那么就可以得到边界框的长为7-2＝5，即边界框的长为从2到7的距离，边界框的高为9-1＝8，即边界框的高为从1到9的距离。

可选的，在得到边界框图像之后，也可以对边界框图像进行重采样，即执行如下S506的步骤。

S506，对边界框图像进行重采样，得到重采样后的图像，该重采样后的图像包括感兴趣区域。

具体的，计算机设备在对边界框图像进行重采样时，可以采用预设的分辨率对边界框图像进行重采样，得到重采样后的图像，这里预设的分辨率可以根据实际情况而定，可以是大于边界框图像的分辨率，也可以是小于边界框图像的分辨率，本实施例对此不做具体限定。在这里对边界框图像进行重采样，可以保证将输入的所有边界框图像都统一成相同的分辨率图像，这样可以便于后续对图像进行距离变换处理等。以食管为例，本实施例的整体过程图可以参见图5c所示，先得到目标分割图像(可以采用勾画食管图像来得到)，再进行紧致处理，得到紧致框图像(也就是边界框图像)，接着进行图像重采样，最后进行距离变换，得到距离谱(也即是距离图像)。

本实施例提供的图像定位方法，通过获取目标分割图像上感兴趣区域的顶端位置信息、底端位置信息和边界位置信息，并根据该感兴趣区域的顶端位置信息、底端位置信息和边界位置信息，从目标分割图像上得到边界框图像，该边界框图像包括感兴趣区域，之后也可以对边界框图像进行重采样，得到重采样后的图像，该重采样后的图像包括感兴趣区域。在该方法中，由于可以对目标分割图像进行处理，得到边界框图像，这样就可以减少运算的数据量，即节省运算时间，从而可以提高运算效率。另外，对边界框图像进行重采样，可以将边界框图像统一成相同的分辨率图像，便于后续处理过程中可以忽略图像分辨率参数对检测结果带来的影响，从而使检测结果更准确。

在另一个实施例中，提供了另一种图像定位方法，本实施例涉及的是如何获取目标分割图像的具体过程。在上述实施例的基础上，如图6所示，上述S202可以包括以下步骤：

S602，获取原始图像。

具体的，在对待检测对象进行检查时，计算机设备可以通过对扫描设备采集的快速扫描数据进行图像重建和校正，就可以得到待检测对象的原始图像，或者，待检测对象的原始图像也可以预先重建和校正好，存储在计算机设备中，当需要对其进行处理时，直接从计算机设备的存储器中读取原始图像。又或者，计算机设备也可以从外部设备中获取原始图像，比如，将待检测对象的原始图像存储在云端，当需要进行处理操作时，计算机设备从云端获取该待检测对象的原始图像。本实施例对获取待检测对象的原始图像的获取方式不做限定。

S604，将原始图像输入分割模型，得到目标分割图像；或者，利用标注工具对原始图像进行标注处理，得到目标分割图像；其中，目标分割图像包括感兴趣区域。

其中，这里的分割模型可以是图切割算法模型、分水岭算法模型、GrabCut算法模型、神经网络模型等，其中，深度学习模型可以是FCN模型(Fully ConvolutionalNetworks，全卷积网络)、SegNet模型、DeepLab模型、Mask-RCNN模型、U-Net模型、V-Net模型等等，本实施例对此不作具体限定。标注工具可以是扫描设备自带的医学图像标注工具。

具体的，计算机设备在得到原始图像之后，可以通过将原始图像输入至训练好的分割模型中进行分割，得到目标分割图像，或者，还可以是利用扫描设备自带的医学标注工具对原始图像进行标注，在这里标注操作可以是人工操作，也可以是计算机设备操作，在标注完成之后，就可以得到标注的感兴趣区域，也就可以得到目标分割图像。

本实施例提供的图像定位方法，通过获取原始图像，并将该原始图像输入分割模型，得到目标分割图像，或者，利用标注工具对原始图像进行标注处理，得到目标分割图像，该目标分割图像包括感兴趣区域。在本实施例中，由于可以通过分割模型或者标注工具得到目标分割模型，因此，该方法可以简单得到目标分割图像，便于后续对目标分割图像进行距离变换处理等操作。

应该理解的是，虽然图2a、3a、4b、5a、6的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2a、3a、4b、5a、6中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图7所示，提供了一种图像定位装置，包括：获取模块10、变换模块11、处理模块12和定位模块13，其中：

获取模块10，用于获取目标分割图像，所述目标分割图像包括感兴趣区域；

变换模块11，用于对所述感兴趣区域进行距离变换处理，得到距离图像；所述距离图像中的每个元素表征所述感兴趣区域上不同位置的管径大小；

处理模块12，用于根据所述感兴趣区域的形态特征对所述距离图像进行后处理，得到处理后的距离图像；

定位模块13，用于遍历所述处理后的距离图像上的每个元素，确定所述处理后的距离图像上大于预设管径阈值的目标管径值，并定位所述目标管径值对应的位置所在的图像切片。

本实施例提供的图像定位装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。

在另一个实施例中，提供了另一种图像定位装置，在上述实施例的基础上，上述处理模块12可以包括：位置获取单元、第一处理单元，其中：

位置获取单元，用于获取所述距离图像的顶端位置和底端位置；

第一处理单元，用于将所述距离图像中的目标位置上的元素置零，得到第一处理后的距离图像，所述距离图像中的目标位置为与所述距离图像的顶端位置的距离小于预设距离的位置，和/或，与所述距离图像的底端位置的距离小于预设距离的位置。

在另一个实施例中，提供了另一种图像定位装置，在上述实施例的基础上，上述处理模块12还可以包括：第二处理单元，其中：

第二处理单元，用于对所述第一处理后的距离图像进行去空气处理，得到第二处理后的距离图像。

在另一个实施例中，上述第一处理后的距离图像包括至少一个图像切片，在上述实施例的基础上，上述第二处理单元还可以包括：获取子单元、对比子单元、处理子单元，其中：

获取子单元，用于获取每个图像切片的所述感兴趣区域上每一点的HU值，并将所述每个图像切片的感兴趣区域上每一点的HU值和预设阈值进行对比；

对比子单元，用于将所述每个图像切片的感兴趣区域上HU值大于所述预设阈值的点数量和所述每个图像切片的感兴趣区域上总的点数量做比值，并将所述比值和预设比值阈值进行对比；

处理子单元，用于若一个图像切片的所述比值大于所述预设比值阈值，则将所述一个图像切片的目标位置上的元素置零，所述一个图像切片的目标位置为所述一个图像切片的感兴趣区域上HU值大于预设阈值的点。

在另一个实施例中，提供了另一种图像定位装置，在上述实施例的基础上，上述装置还可以包括：信息获取模块、确定模块，其中：

信息获取模块，用于获取所述目标分割图像上所述感兴趣区域的顶端位置信息、底端位置信息、边界位置信息；

确定模块，用于根据所述感兴趣区域的顶端位置信息、所述感兴趣区域的底端位置信息和所述感兴趣区域的边界位置信息，从所述目标分割图像上得到边界框图像，所述边界框图像包括所述感兴趣区域。

在另一个实施例中，提供了另一种图像定位装置，在上述实施例的基础上，上述装置还可以包括：重采样模块，其中：

重采样模块，用于对所述边界框图像进行重采样，得到重采样后的图像，所述重采样后的图像包括所述感兴趣区域。

在另一个实施例中，提供了另一种图像定位装置，在上述实施例的基础上，上述装置还可以包括：原始图像获取模块、分割模块，其中：

原始图像获取模块，用于获取原始图像；

分割模块，用于将所述原始图像输入分割模型，得到目标分割图像；或者，利用标注工具对所述原始图像进行标注处理，得到目标分割图像；其中，所述目标分割图像包括感兴趣区域。

关于图像定位装置的具体限定可以参见上文中对于图像定位方法的限定，在此不再赘述。上述图像定位装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

获取目标分割图像，所述目标分割图像包括感兴趣区域；

对所述感兴趣区域进行距离变换处理，得到距离图像；所述距离图像中的每个元素表征所述感兴趣区域上不同位置的管径大小；

根据所述感兴趣区域的形态特征对所述距离图像进行后处理，得到处理后的距离图像；

遍历所述处理后的距离图像上的每个元素，确定所述处理后的距离图像上大于预设管径阈值的目标管径值，并定位所述目标管径值对应的位置所在的图像切片。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

获取所述距离图像的顶端位置和底端位置；

将所述距离图像中的目标位置上的元素置零，得到第一处理后的距离图像，所述距离图像中的目标位置为与所述距离图像的顶端位置的距离小于预设距离的位置，和/或，与所述距离图像的底端位置的距离小于预设距离的位置。

对所述第一处理后的距离图像进行去空气处理，得到第二处理后的距离图像。

获取每个图像切片的所述感兴趣区域上每一点的HU值，并将所述每个图像切片的感兴趣区域上每一点的HU值和预设阈值进行对比；

将所述每个图像切片的感兴趣区域上HU值大于所述预设阈值的点数量和所述每个图像切片的感兴趣区域上总的点数量做比值，并将所述比值和预设比值阈值进行对比；

若一个图像切片的所述比值大于所述预设比值阈值，则将所述一个图像切片的目标位置上的元素置零，所述一个图像切片的目标位置为所述一个图像切片的感兴趣区域上HU值大于预设阈值的点。

获取所述目标分割图像上所述感兴趣区域的顶端位置信息、底端位置信息、边界位置信息；

根据所述感兴趣区域的顶端位置信息、所述感兴趣区域的底端位置信息和所述感兴趣区域的边界位置信息，从所述目标分割图像上得到边界框图像，所述边界框图像包括所述感兴趣区域。

对所述边界框图像进行重采样，得到重采样后的图像，所述重采样后的图像包括所述感兴趣区域。

获取原始图像；

将所述原始图像输入分割模型，得到目标分割图像；或者，利用标注工具对所述原始图像进行标注处理，得到目标分割图像；其中，所述目标分割图像包括感兴趣区域。

在一个实施例中，提供了一种可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取目标分割图像，所述目标分割图像包括感兴趣区域；

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

获取所述距离图像的顶端位置和底端位置；

获取原始图像；

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims

1.一种图像定位方法，其特征在于，所述方法包括：

获取目标分割图像，所述目标分割图像包括感兴趣区域；

2.根据权利要求1所述的方法，其特征在于，所述根据所述感兴趣区域的形态特征对所述距离图像进行后处理，得到处理后的距离图像，包括：

获取所述距离图像的顶端位置和底端位置；

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

4.根据权利要求3所述的方法，其特征在于，所述第一处理后的距离图像包括至少一个图像切片，所述对所述第一处理后的距离图像进行去空气处理，包括：

5.根据权利要求1所述的方法，其特征在于，在所述对所述感兴趣区域进行距离变换处理，得到距离图像之前，所述方法还包括：

6.根据权利要求5所述的方法，其特征在于，在所述从所述目标分割图像上得到边界框图像之后，所述方法还包括：

7.根据权利要求1所述的方法，其特征在于，所述获取目标分割图像，包括：

获取原始图像；

8.一种图像定位装置，其特征在于，所述装置包括：

获取模块，用于获取目标分割图像，所述目标分割图像包括感兴趣区域；

变换模块，用于对所述感兴趣区域进行距离变换处理，得到距离图像；所述距离图像中的每个元素表征所述感兴趣区域上不同位置的管径大小；

处理模块，用于根据所述感兴趣区域的形态特征对所述距离图像进行后处理，得到处理后的距离图像；

定位模块，用于遍历所述处理后的距离图像上的每个元素，确定所述处理后的距离图像上大于预设管径阈值的目标管径值，并定位所述目标管径值对应的位置所在的图像切片。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。