CN110916707B - 二维骨骼图像获取方法、系统及装置 - Google Patents
二维骨骼图像获取方法、系统及装置 Download PDFInfo
- Publication number
- CN110916707B CN110916707B CN201911309573.1A CN201911309573A CN110916707B CN 110916707 B CN110916707 B CN 110916707B CN 201911309573 A CN201911309573 A CN 201911309573A CN 110916707 B CN110916707 B CN 110916707B
- Authority
- CN
- China
- Prior art keywords
- image
- dimensional
- bone
- original
- ray
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 210000000988 bone and bone Anatomy 0.000 title claims abstract description 438
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000006243 chemical reaction Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 12
- 230000009466 transformation Effects 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 4
- 210000001991 scapula Anatomy 0.000 abstract description 16
- 210000001562 sternum Anatomy 0.000 abstract description 14
- 210000000845 cartilage Anatomy 0.000 abstract description 7
- QTCANKDTWWSCMR-UHFFFAOYSA-N costic aldehyde Natural products C1CCC(=C)C2CC(C(=C)C=O)CCC21C QTCANKDTWWSCMR-UHFFFAOYSA-N 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 7
- ISTFUJWTQAMRGA-UHFFFAOYSA-N iso-beta-costal Natural products C1C(C(=C)C=O)CCC2(C)CCCC(C)=C21 ISTFUJWTQAMRGA-UHFFFAOYSA-N 0.000 abstract description 7
- 238000003384 imaging method Methods 0.000 abstract description 6
- 238000000605 extraction Methods 0.000 abstract description 4
- 230000002159 abnormal effect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000002591 computed tomography Methods 0.000 description 5
- 210000000038 chest Anatomy 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computerised tomographs
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/50—Clinical applications
- A61B6/505—Clinical applications involving diagnosis of bone
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G06T3/06—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
Abstract
本发明涉及图像处理技术领域,具体提供了一种二维骨骼图像获取方法、系统及装置,旨在解决如何便捷且可靠地将任意一种骨骼类型(例如:肋骨、胸骨、肋软骨和肩胛骨等)的三维骨骼图像转换为清晰的二维骨骼图像的问题。本发明实施例对三维图像进行三维空间下的图像坐标转换,根据转换前后图像之间的坐标对应关系确定图像中骨骼的中心点,提取所有中心点在原始三维骨骼图像中对应的像素点,利用这些像素点得到任意一种骨骼类型的骨骼二维剖面图像,操作简单,不涉及复杂的操作内容,同时坐标转换、中心点确定以及像素点提取等步骤也不会引入随机误差,从而能够得到成像效果清晰的二维图像。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种二维骨骼图像获取方法、系统及装置。
背景技术
三维(3Dimensions,3D)骨骼图像(例如:利用计算机断层扫描得到的骨骼CT图像)虽然能够清晰地展示骨骼的状态,但需要人工逐层查看三维骨骼图像,跟踪骨骼在不同断层的三维骨骼图像上的动态变化,才能准确确认骨骼的完整和真实状态,而同一骨骼往往多达数百张不同骨骼断层的三维骨骼图像,因此,通过逐层查看三维骨骼图像辨析骨骼状态的方法不仅耗时耗力,还容易忽视骨骼的细微状态变化。对此,当前主要采用的方法是将三维骨骼图像转换为二维(2Dimensions,2D)骨骼图像,通过一张或数张二维骨骼图像清晰完整的展示骨骼的真实状态。而其中,二维骨骼图像的获取方法主要是在有人工或者没有人工干预的情况下识别三维肋骨图像中的肋骨,然后对每一根肋骨抽取中心线,并且沿着中心线重建肋骨,最后将肋骨展示成二维图像。但是这种方法只能获取肋骨的二维图像,不适用于其他骨骼(例如:胸骨、肋软骨和肩胛骨等这些骨骼类型)的二维图像获取,并且这种方法操作过于复杂,每个操作步骤都会引入一定的随机误差,因而会极大影响二维图像的成像效果。
相应地,本领域需要一种新的二维骨骼图像获取方案来解决上述问题。
发明内容
为了克服上述缺陷,提出了本发明,以提供解决或至少部分地解决如何便捷且可靠地将任意一种骨骼类型的三维骨骼图像转换为清晰的二维骨骼图像的问题的二维骨骼图像获取方法、系统及装置。
第一方面,提供一种二维骨骼图像获取方法,包括:
识别原始三维骨骼图像中目标骨骼所在的目标图像区域;
对所述原始三维骨骼图像进行球坐标转换,得到在球坐标系下的球坐标三维骨骼图像;
根据所述原始三维骨骼图像与所述球坐标三维骨骼图像之间的坐标对应关系,获取以所述球坐标三维骨骼图像的原点为端点的射线在所述目标图像区域中对应的位置坐标;
根据所述位置坐标与所述目标骨骼在所述目标图像区域中的位置坐标,确定所述射线与所述目标骨骼的相对位置并且根据所述相对位置获取在所述射线上与所述目标骨骼的中心点对应的中心射线点;
获取每个原始三维骨骼图像各自对应的所有中心射线点在相应目标图像区域中对应的像素点并且根据获取到的所有像素点进行二维图像构建,得到所述目标骨骼的二维剖面图像;
所述原始三维骨骼图像是在笛卡尔坐标系下的三维图像。
其中,“对所述原始三维骨骼图像进行球坐标转换,得到在球坐标系下的球坐标三维骨骼图像”的步骤具体包括:
识别原始三维骨骼图像中的肋骨和脊柱,根据所述肋骨和脊柱的识别结果分别获取在笛卡尔坐标系的x、y和z方向上所述识别结果对应的矩形边框以及每个矩形边框的边框中心点;
获取在所述x、y和z方向上边框中心点对应的法线在三维空间的交叉点并且将所述交叉点作为所述识别结果的识别结果中心点;
获取在笛卡尔坐标系下以所述识别结果中心点为原点时,所述原始三维骨骼图像中每个像素点的坐标;
根据获取到的所述每个像素点的坐标分别计算所述每个像素点的球体坐标,根据所述每个像素点的球体坐标获取所述球坐标三维骨骼图像。
或者,“对所述原始三维骨骼图像进行球坐标转换,得到在球坐标系下的球坐标三维骨骼图像”的步骤具体包括将原始三维骨骼图像划分为多个原始骨骼图像区域,通过以下步骤分别获取每个原始骨骼图像区域对应的球坐标三维骨骼图像:
识别原始骨骼图像区域中的肋骨和脊柱,根据所述肋骨和脊柱的识别结果分别获取在笛卡尔坐标系的x、y和z方向上所述识别结果对应的矩形边框以及每个矩形边框的边框中心点;
获取在所述x、y和z方向上边框中心点对应的法线在三维空间的交叉点并且将所述交叉点作为所述识别结果的识别结果中心点;
获取在笛卡尔坐标系下以所述识别结果中心点为原点时,所述原始骨骼图像区域中每个像素点的坐标;
根据获取到的所述每个像素点的坐标分别计算所述每个像素点的球体坐标,根据所述每个像素点的球体坐标获取所述球坐标三维骨骼图像。
其中,“根据所述相对位置获取在所述射线上与所述目标骨骼的中心点对应的中心射线点”的步骤具体包括:
根据所述射线与所述目标骨骼的相对位置对所述射线上的点进行赋值;若当前射线点在所述目标图像区域上对应的像素点是所述目标图像区域中目标骨骼对应的一个像素点,则对当前射线点赋值1;若当前射线点在所述目标图像区域上对应的像素点不是所述目标图像区域中目标骨骼对应的像素点,则对当前射线点赋值0;
在射线由原点向外发射的方向上,分别获取每条射线中的首个和最后一个赋值为1的射线点并且获取由这两个射线点构成的线段的中心点,以及将所述线段的中心点作为相应射线上与所述目标骨骼的中心点对应的中心射线点。
其中,所述方法还包括:
在射线由原点向外发射的方向上,获取射线中远离所述线段的最后一个赋值为0的远端射线点;
获取每个原始三维骨骼图像各自对应的所有远端射线点在相应目标图像区域上对应的像素点,并且根据获取到的所有像素点进行二维图像构建,得到所述目标骨骼的外表面二维图像;
或者,所述方法还包括:
在射线由原点向外发射的方向上,获取射线中远离所述线段的最后一个赋值为0的远端射线点;
获取每个原始三维骨骼图像中每个原始骨骼图像区域各自对应的所有远端射线点在相应目标图像区域上对应的像素点,并且根据获取到的所有像素点进行二维图像构建,得到每个原始骨骼图像区域各自对应的目标骨骼的外表面二维图像;
将所有原始骨骼图像区域对应的目标骨骼的外表面二维图像进行图像拼接,得到所述原始三维骨骼图像对应的目标骨骼的外表面二维图像。
其中,所述方法还包括:
在射线由原点向外发射的方向上,获取射线中接近所述线段的最后一个赋值为0的近端射线点;
获取每个原始三维骨骼图像各自对应的所有近端射线点在相应目标图像区域上对应的像素点,并且根据获取到的所有像素点进行二维图像构建,得到所述目标骨骼的内表面二维图像;
或者,所述方法还包括:
在射线由原点向外发射的方向上,获取射线中接近所述线段的最后一个赋值为0的近端射线点;
获取每个原始三维骨骼图像中每个原始骨骼图像区域各自对应的所有近端射线点在相应目标图像区域上对应的像素点,并且根据获取到的所有像素点进行二维图像构建,得到每个原始骨骼图像区域各自对应的目标骨骼的内表面二维图像;
将所有原始骨骼图像区域对应的目标骨骼的内表面二维图像进行图像拼接,得到所述原始三维骨骼图像对应的目标骨骼的内表面二维图像。
其中,所述方法还包括:
根据所述原始三维骨骼图像与所述球坐标三维骨骼图像之间的坐标对应关系,获取以球坐标三维骨骼图像的原点为端点的射线在所述原始三维骨骼图像上对应的像素点中像素值最大的最大像素点;
获取每个原始三维骨骼图像各自对应的所有射线在相应原始三维骨骼图像上对应的最大像素点,并且根据获取到的所有最大像素点进行二维图像构建,得到所述原始三维骨骼图像中所有类型骨骼叠加显示的二维图像;
或者,所述方法还包括:
将原始三维骨骼图像划分为多个原始骨骼图像区域,通过以下步骤分别获取每个原始骨骼图像区域对应的所有类型骨骼叠加显示的二维图像:
根据原始骨骼图像区域与球坐标三维骨骼图像之间的坐标对应关系,获取以球坐标三维骨骼图像的原点为端点的射线在所述原始骨骼图像区域上对应的像素点中像素值最大的最大像素点;
获取每个原始三维骨骼图像中每个原始骨骼图像区域各自对应的所有射线在相应原始骨骼图像区域上对应的最大像素点,并且根据获取到的所有最大像素点进行二维图像构建,得到所述原始骨骼图像区域中所有类型骨骼叠加显示的二维图像;
将所有原始骨骼图像区域的所有类型骨骼叠加显示的二维图像进行图像拼接,得到所述原始三维骨骼图像中所有类型骨骼叠加显示的二维图像。
第二方面,提供一种二维骨骼图像获取系统,包括:
骨骼识别模块,其被配置成识别原始三维骨骼图像中目标骨骼所在的目标图像区域;
图像坐标转换模块,其被配置成对所述原始三维骨骼图像进行球坐标转换,得到在球坐标系下的球坐标三维骨骼图像;
图像坐标获取模块,其被配置成根据所述原始三维骨骼图像与所述球坐标三维骨骼图像之间的坐标对应关系,获取以所述球坐标三维骨骼图像的原点为端点的射线在所述目标图像区域中对应的位置坐标;
骨骼中心点获取模块,其被配置成根据所述位置坐标与所述目标骨骼在所述目标图像区域中的位置坐标,确定所述射线与所述目标骨骼的相对位置并且根据所述相对位置获取在所述射线上与所述目标骨骼的中心点对应的中心射线点;
第一二维图像获取模块,其被配置成获取每个原始三维骨骼图像各自对应的所有中心射线点在相应目标图像区域中对应的像素点并且根据获取到的所有像素点进行二维图像构建,得到所述目标骨骼的二维剖面图像;
所述原始三维骨骼图像是在笛卡尔坐标系下的三维图像。
其中,所述图像坐标转换模块被具体配置成执行以下操作:
识别原始三维骨骼图像中的肋骨和脊柱,根据所述肋骨和脊柱的识别结果分别获取在笛卡尔坐标系的x、y和z方向上所述识别结果对应的矩形边框以及每个矩形边框的边框中心点;
获取在所述x、y和z方向上边框中心点对应的法线在三维空间的交叉点并且将所述交叉点作为所述识别结果的识别结果中心点;
获取在笛卡尔坐标系下以所述识别结果中心点为原点时,所述原始三维骨骼图像中每个像素点的坐标;
根据获取到的所述每个像素点的坐标分别计算所述每个像素点的球体坐标,根据所述每个像素点的球体坐标获取所述球坐标三维骨骼图像;
或者,所述图像坐标转换模块被具体配置成执行以下操作:
“对所述原始三维骨骼图像进行球坐标转换,得到在球坐标系下的球坐标三维骨骼图像”的步骤具体包括将原始三维骨骼图像划分为多个原始骨骼图像区域,通过以下步骤分别获取每个原始骨骼图像区域对应的球坐标三维骨骼图像:
识别原始骨骼图像区域中的肋骨和脊柱,根据所述肋骨和脊柱的识别结果分别获取在笛卡尔坐标系的x、y和z方向上所述识别结果对应的矩形边框以及每个矩形边框的边框中心点;
获取在所述x、y和z方向上边框中心点对应的法线在三维空间的交叉点并且将所述交叉点作为所述识别结果的识别结果中心点;
获取在笛卡尔坐标系下以所述识别结果中心点为原点时,所述原始骨骼图像区域中每个像素点的坐标;
根据获取到的所述每个像素点的坐标分别计算所述每个像素点的球体坐标,根据所述每个像素点的球体坐标获取所述球坐标三维骨骼图像。
其中,所述骨骼中心点获取模块被具体配置成执行以下操作:
根据所述射线与所述目标骨骼的相对位置对所述射线上的点进行赋值;若当前射线点在所述目标图像区域上对应的像素点是所述目标图像区域中目标骨骼对应的一个像素点,则对当前射线点赋值1;若当前射线点在所述目标图像区域上对应的像素点不是所述目标图像区域中目标骨骼对应的像素点,则对当前射线点赋值0;
在射线由原点向外发射的方向上,分别获取每条射线中的首个和最后一个赋值为1的射线点并且获取由这两个射线点构成的线段的中心点,以及将所述线段的中心点作为相应射线上与所述目标骨骼的中心点对应的中心射线点。
其中,所述第一二维图像获取模块还被配置成执行以下操作:
在射线由原点向外发射的方向上,获取射线中远离所述线段的最后一个赋值为0的远端射线点;
获取每个原始三维骨骼图像各自对应的所有远端射线点在相应目标图像区域上对应的像素点,并且根据获取到的所有像素点进行二维图像构建,得到所述目标骨骼的外表面二维图像;
或者,所述第一二维图像获取模块还被配置成执行以下操作:
在射线由原点向外发射的方向上,获取射线中远离所述线段的最后一个赋值为0的远端射线点;
获取每个原始三维骨骼图像中每个原始骨骼图像区域各自对应的所有远端射线点在相应目标图像区域上对应的像素点,并且根据获取到的所有像素点进行二维图像构建,得到每个原始骨骼图像区域各自对应的目标骨骼的外表面二维图像;
将所有原始骨骼图像区域对应的目标骨骼的外表面二维图像进行图像拼接,得到所述原始三维骨骼图像对应的目标骨骼的外表面二维图像。
其中,所述第一二维图像获取模块还被配置成执行以下操作:
在射线由原点向外发射的方向上,获取射线中接近所述线段的最后一个赋值为0的近端射线点;
获取每个原始三维骨骼图像各自对应的所有近端射线点在相应目标图像区域上对应的像素点,并且根据获取到的所有像素点进行二维图像构建,得到所述目标骨骼的内表面二维图像;
或者,所述第一二维图像获取模块还被配置成执行以下操作:
在射线由原点向外发射的方向上,获取射线中接近所述线段的最后一个赋值为0的近端射线点;
获取每个原始三维骨骼图像中每个原始骨骼图像区域各自对应的所有近端射线点在相应目标图像区域上对应的像素点,并且根据获取到的所有像素点进行二维图像构建,得到每个原始骨骼图像区域各自对应的目标骨骼的内表面二维图像;
将所有原始骨骼图像区域对应的目标骨骼的内表面二维图像进行图像拼接,得到所述原始三维骨骼图像对应的目标骨骼的内表面二维图像。
其中,所述系统还包括第二二维图像获取模块,所述第二二维图像获取模块被配置成执行以下操作:
根据所述原始三维骨骼图像与所述球坐标三维骨骼图像之间的坐标对应关系,获取以球坐标三维骨骼图像的原点为端点的射线在所述原始三维骨骼图像上对应的像素点中像素值最大的最大像素点;
获取每个原始三维骨骼图像各自对应的所有射线在相应原始三维骨骼图像上对应的最大像素点,并且根据获取到的所有最大像素点进行二维图像构建,得到所述原始三维骨骼图像中所有类型骨骼叠加显示的二维图像;
或者,所述第二二维图像获取模块被配置成执行以下操作:
将原始三维骨骼图像划分为多个原始骨骼图像区域,通过以下步骤分别获取每个原始骨骼图像区域对应的所有类型骨骼叠加显示的二维图像:
根据原始骨骼图像区域与球坐标三维骨骼图像之间的坐标对应关系,获取以球坐标三维骨骼图像的原点为端点的射线在所述原始骨骼图像区域上对应的像素点中像素值最大的最大像素点;
获取每个原始三维骨骼图像中每个原始骨骼图像区域各自对应的所有射线在相应原始骨骼图像区域上对应的最大像素点,并且根据获取到的所有最大像素点进行二维图像构建,得到所述原始骨骼图像区域中所有类型骨骼叠加显示的二维图像;
将所有原始骨骼图像区域的所有类型骨骼叠加显示的二维图像进行图像拼接,得到所述原始三维骨骼图像中所有类型骨骼叠加显示的二维图像。
第三方面,提供一种存储装置,其中存储有多条程序代码,所述程序代码适于由处理器加载并运行以执行上述任一项所述的二维骨骼图像获取方法。
第四方面,提供一种图像处理装置,该控制装置包括处理器和存储装置,所述存储装置适于存储多条程序代码,所述程序代码适于由所述处理器加载并运行以执行上述任一项所述的二维骨骼图像获取方法。
本发明上述一个或多个技术方案,至少具有如下一种或多种有益效果:
在实施本发明的技术方案中,首先将原始三维骨骼图像的图像坐标系由笛卡尔坐标系转换为球坐标系,得到在球坐标系下的球坐标三维骨骼图像;然后根据原始三维骨骼图像与球坐标三维骨骼图像之间的坐标对应关系,确定以球坐标三维骨骼图像的原点为端点的射线与原始三维骨骼图像中某个目标骨骼的相对位置,根据该相对位置获取射线上与目标骨骼的中心点对应的中心射线点;最后获取每个原始三维骨骼图像各自对应的所有中心射线点在相应原始三维骨骼图像中对应的像素点并且根据获取到的所有像素点进行二维图像构建,得到这个目标骨骼的二维剖面图像。由此可知,本发明主要是对三维图像进行三维空间下的图像坐标转换,根据转换前后图像之间的坐标对应关系确定图像中骨骼的中心点,提取所有中心点在原始三维骨骼图像中对应的像素点,利用这些像素点得到骨骼的二维剖面图像,操作简单,不涉及复杂的操作内容,同时坐标转换、中心点确定以及像素点提取等步骤也不会引入随机误差,从而能够得到成像质量接近原始三维图像的二维图像,因此,只要原始三维骨骼图像能够清晰显示骨骼状态,通过本发明得到二维图像也能够清晰显示骨骼状态,降低了对原始三维骨骼图像的质量要求。
进一步,利用计算机断层扫描技术得到的CT图像通常包括200-300张不同骨骼断层的CT图像,每张CT图像展示的骨骼信息均不相同。本发明根据所有CT图像的所有中心射线点对应的像素点进行二维图像构建,得到1张目标骨骼的二维剖面图像,即根据所有不同骨骼断层的CT图像获取到1张同时包含了大部分CT图像中的骨骼信息的二维图像,通过查看该二维图像即可快速且准确地确认骨骼的真实状态。
进一步,根据所有CT图像的所有远/近端射线点对应的像素点进行二维图像构建,得到1张目标骨骼的外/内表面二维图像,即根据所有不同骨骼断层的CT图像获取到1张同时包含了大部分CT图像中的骨骼信息的二维图像,而这些CT图像中的骨骼信息与二维剖面图像所包的含骨骼信息不完全相同,因此,通过查看该二维图像不仅可以快速且准确地确认骨骼的真实状态,还能查看到上述二维剖面图像无法显示的骨骼信息。
附图说明
下面参照附图来描述本发明的具体实施方式,附图中:
图1是根据本发明的一个实施例的二维骨骼图像获取方法的主要步骤流程图;
图2是根据本发明的一个实施例的肋骨和脊柱对应的矩形边框以及边框中心点示意图;
图3是根据本发明的一个实施例的射线点赋值示意图;
图4是根据本发明的一个实施例的肋骨和脊柱的二维剖面图像;
图5是根据本发明的一个实施例的胸骨和肩胛骨的二维剖面图像;
图6是根据本发明的一个实施例的肋骨和脊柱的外表面二维图像;
图7是根据本发明的一个实施例的胸骨和脊柱的外表面二维图像;
图8是根据本发明的一个实施例的肋骨、脊柱、胸骨和肩胛骨叠加显示的二维图像;
图9是根据本发明的一个实施例的二维骨骼图像获取系统的主要结构示意图;
图10是根据本发明的应用场景示意图;
附图标记列表:
11:骨骼识别模块;12:图像坐标转换模块;13:图像坐标获取模块;14:骨骼中心点获取模块;15:第一二维图像获取模块。
具体实施方式
下面参照附图来描述本发明的一些实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非旨在限制本发明的保护范围。
在本发明的描述中,“模块”、“处理器”可以包括硬件、软件或者两者的组合。一个模块可以包括硬件电路,各种合适的感应器,通信端口,存储器,也可以包括软件部分,比如程序代码,也可以是软件和硬件的组合。处理器可以是中央处理器、微处理器、数字信号处理器或者其他任何合适的处理器。处理器具有数据和/或信号处理功能。处理器可以以软件方式实现、硬件方式实现或者二者结合方式实现。非暂时性的计算机可读存储介质包括任何合适的可存储程序代码的介质,比如磁碟、硬盘、光碟、闪存、只读存储器、随机存取存储器等等。术语“A和/或B”表示所有可能的A与B的组合,比如只是A、只是B或者A和B。术语“至少一个A或B”或者“A和B中的至少一个”含义与“A和/或B”类似,可以包括只是A、只是B或者A和B。单数形式的术语“某个”、“一个”、“这个”也可以包含复数形式。原始三维骨骼图像指的是利用计算机断层扫描(Computed Tomography,CT)或磁共振检查(Magnetic Resonance,MR)等技术对目标体(例如:人体或动物体)进行骨骼检测得到的骨骼的三维图像。骨骼类型指各种类型的骨骼,包括但不限于例如:肋骨、胸骨、肋软骨和肩胛骨等。
现有技术中原始三维骨骼图像比如肋骨CT图像的二维图像获取方法主要如背景所述:先识别三维肋骨图像中的肋骨,然后对每一根肋骨抽取中心线,并且沿着中心线重建肋骨,最后将肋骨通过某种方式展示成二维图像。但是这种方法只能获取肋骨的二维图像,不适用于其他骨骼(例如:胸骨、肋软骨和肩胛骨等)的二维图像获取,现有技术中没有能够根据胸骨、肋软骨和肩胛骨等除了肋骨以外的其他类型的骨骼的三维图像获取相应二维图像的方法。并且,通过获取肋骨二维图像展开展示的方法,操作过于复杂,每个操作步骤都会引入一定的随机误差,因而会极大影响二维图像的成像效果。甚至一旦原始图像质量不高其效果明显变差、并且不能反映肋骨在人体中的相对位置和周边情况。
在本发明实施例中首先将原始三维骨骼图像的图像坐标系由笛卡尔坐标系转换为球坐标系,得到在球坐标系下的球坐标三维骨骼图像;然后根据原始三维骨骼图像与球坐标三维骨骼图像之间的坐标对应关系,确定以球坐标三维骨骼图像的原点为端点的射线与原始三维骨骼图像中某个目标骨骼的相对位置,根据该相对位置获取射线上与目标骨骼的中心点对应的中心射线点;最后获取每个原始三维骨骼图像各自对应的所有中心射线点在相应原始三维骨骼图像中对应的像素点并且根据获取到的所有像素点进行二维图像构建,得到这个目标骨骼的二维剖面图像。由此可知,本发明实施例主要是对三维图像进行三维空间下的图像坐标转换,根据转换前后图像之间的坐标对应关系确定图像中骨骼的中心点,提取所有中心点在原始三维骨骼图像中对应的像素点,利用这些像素点得到骨骼的二维剖面图像,操作简单,不涉及复杂的操作内容,同时坐标转换、中心点确定以及像素点提取等步骤也不会引入随机误差,从而能够得到成像效果清晰的二维图像。
请参考图10,本发明的技术方案涉及的一个实施例的应用场景示意图。在病人进行CT检查时,通过CT做图像数据采集,具体地,可以通过CT的图像采集装置/设备(包括但不限于:摄像机、图像传感器等)1、2、……m,获取病人的骨骼的三维图像。将该图像传递到后台图像数据处理端(包括但不限于:CT设备本身的数据处理装置,以及通过有线或无线网络连接的服务器、终端设备、云端设备等),暂存或存储如图示CT图像数据存储端。当需要访问该三维图像进行病症分析或了解时,用户可以通过使用的终端设备1、2、……n调出该三维图像,通过执行本发明的二维骨骼图像获取方法的一个实施例或经过本发明的二维骨骼图像获取系统的一个实施例,实现获取该图像中各个类型的骨骼的二维图像。一个实施例中,本发明的方法或系统的该实施例可以在服务器端或用户使用的终端设备端(例如安装在终端上的APP)实施,或任意的能够获得该三维图像进行图像处理的图像处理装置实施。
参阅附图1,图1是根据本发明的一个实施例的二维骨骼图像获取方法的主要步骤流程图。在该实施例中,原始三维骨骼图像是人体胸部CT图像,该图像包含人体的肋骨、胸骨、肋软骨和肩胛骨等骨骼信息。如图1所示,在本实施例中二维骨骼图像获取方法主要包括以下步骤:
步骤S101:识别原始三维骨骼图像中目标骨骼所在的目标图像区域。
在一个实施方式中,目标骨骼指的是对于原始三维骨骼图像中包含的各种骨骼类型的骨骼中,需要获取二维骨骼图像的骨骼。目标骨骼的数量可以是一个或多个。例如,可以仅获取肋骨的二维骨骼图像,也可以同时获取肋骨和肩胛骨的二维骨骼图像。目标图像区域指的是原始三维骨骼图像中目标骨骼对应的图像区域,该图像区域是原始三维骨骼图像的一部分。
在一个实施方式中,可以通过图像识别技术对原始三维骨骼图像进行图像识别,根据识别结果得到目标骨骼在原始三维骨骼图像中的区域。一个例子:图像识别技术可以是基于机器学习技术以及神经网络的图像识别技术,比如:对于肋骨识别,可以基于预设的肋骨识别模型识别目标图像中肋骨所在区域。具体地,在一个实施方式中,优选可以利用公开号是CN109124662A的中国专利申请说明书中第【0067】-【0069】段公开的肋骨识别模型对原始三维骨骼图像中的肋骨进行识别,得到肋骨在原始三维骨骼图像中的图像区域:目标图像可以是CT图像,肋骨识别模型可以是基于预先标定的肋骨图像并利用机器学习算法构建的神经网络模型,该模型可以采用UNet-like网络结构、或者VGG网络结构或者ResNet网络结构等。以UNet-like为例,该网络结构包括4个上采样结构和4个下采样结构。将目标图像输入肋骨识别模型,肋骨识别模型的卷积层可以采用3*3的卷积核对输入的目标图像进行卷积操作,提取输入卷积层的目标图像的特征;肋骨识别模型可以使用ReLU激活函数,去除图像数据中的冗余,最大可能地保留数据的特征;肋骨识别模型的池化层可以使用stride=2的maxpooling以及size=2的upsample操作,将输入池化层的特征图缩小,降低卷积层输出的特征向量;最后可以使用1*1的卷积核进行卷积操作,通过全连接层连接所有的特征,并将连接后的特征输入softmax分类器,输出目标图像中肋骨所在区域。进一步,为了肋骨识别模型可以更好地识别目标图像中肋骨所在的区域,可以通过预先标定的肋骨图像对肋骨识别模型进行训练。具体地,可以对原始的目标图像进行图像平移、图像旋转、图像缩放以及图像翻转等操作,在不改变目标图像内容的前提下,对目标图像的像素进行几何变换。在对图像的像素进行几何变换后,对几何变换后的图像进行伽马变换、随机裁剪、高斯模糊以及归一化等操作,以便待训练的肋骨识别模型可以更好地识别肋骨所在区域。在训练过程中,可以采用dice loss损失函数来判断待训练的肋骨识别模型输出的肋骨所在区域与真实的肋骨所在区域的接近程度。训练后的肋骨识别模型可以准确地从目标图像中识别出肋骨所在的区域,后续可以基于准确的肋骨所在区域快速地获取肋骨的中心线,提高了运算的速度。此外,肋骨识别模型可以适应于多种异常情况,识别出的肋骨所在区域更加鲁棒。
要说明的是,目标骨骼的识别不限于上述例子中的肋骨的识别;并且,虽然本发明实施例仅公开了通过基于机器学习技术以及神经网络的图像识别技术识别原始三维骨骼图像中目标骨骼,但是,本领域技术人员可以理解的是,本发明的保护范围显然不局限于这一具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以采用其他图像识别方法对原始三维骨骼图像进行骨骼识别,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
步骤S102:对所述原始三维骨骼图像进行球坐标转换,得到在球坐标系下的球坐标三维骨骼图像。其中,原始三维骨骼图像是在笛卡尔坐标系下的三维图像。
在一个实施方式中,可以按照以下步骤对原始三维骨骼图像进行球坐标转换,得到在球坐标系下的球坐标三维骨骼图像:
步骤S1021:识别原始三维骨骼图像中的肋骨和脊柱,根据肋骨和脊柱的识别结果分别获取在笛卡尔坐标系的x、y和z方向上识别结果对应的矩形边框以及每个矩形边框的边框中心点。
肋骨和脊柱的识别结果指的是肋骨所在图像区域以及脊柱所在图像区域的组合,本实施方式是获取这一组合图像区域分别在x、y和z方向上对应的矩形边框以及每个矩形边框的边框中心点,而并不是先在x、y和z方向上分别获取肋骨对应的矩形边框以及边框中心点,再在x、y和z方向上分别获取脊柱对应的矩形边框以及边框中心点。
下面结合附图2示出的某个二维骨骼图像对矩形边框进行说明。如图2所示,不规则曲线包围的区域表示骨骼所在的图像区域,不规则曲线外部的矩形边框就是这个骨骼对应的矩形边框。由图2可知,骨骼所在的图像区域的外部可以有无数个矩形边框,但是本实施方式中的矩形边框指的是最小的矩形边框。
步骤S1022:获取在x、y和z方向上边框中心点对应的法线在三维空间的交叉点并且将交叉点作为识别结果的识别结果中心点。
继续参阅附图2,图2中的方形黑色实点就是图2所示矩形边框的边框中心点,在笛卡尔坐标系的x、y和z方向上矩形边框的边框中心点与图2所示的二维图像的边框中心点类似,为了便于描述,在此不再赘述。在笛卡尔坐标系下每个边框中心点对应一个平面,因而可以得到以每个边框中心点确定的平面法线,这些法线在三维空间的交叉点就是肋骨和脊柱的识别结果在三维空间的中心点。
步骤S1023:获取在笛卡尔坐标系下以识别结果中心点为原点时,原始三维骨骼图像中每个像素点的坐标。
步骤S1024:根据步骤S1023获取到的每个像素点的坐标分别计算每个像素点的球体坐标,根据每个像素点的球体坐标获取球坐标三维骨骼图像。
在本实施方式中,可以按照下式(1)所示的常规的笛卡尔坐标与球体坐标转换公式计算每个像素点的球体坐标:
公式(1)中各参数含义是:x、y和z分别是在笛卡尔坐标系下某点在x、y和z轴的坐标,r、α和β分别是在球坐标系下某点到原点的距离、该点到原点的连线与z轴之间的天顶角、原点到该点的连线在xy平面的投影线与x轴之间的方位角。
步骤S103:根据原始三维骨骼图像与球坐标三维骨骼图像之间的坐标对应关系,获取以球坐标三维骨骼图像的原点为端点的射线在目标图像区域中对应的位置坐标。
本实施方式中在根据原始三维骨骼图像中每个像素点的位置坐标(x,y,z)并通过公式(1)所示的方法计算出原始三维骨骼图像中每个像素点在球体坐标系下的位置坐标(r,α,β)之后,可以根据位置坐标(x,y,z)与位置坐标(r,α,β)的对应关系得到原始三维骨骼图像与球坐标三维骨骼图像之间的坐标对应关系。
步骤S104:根据获取的射线在目标图像区域中对应的所述位置坐标以及目标骨骼在目标图像区域中的位置坐标,确定射线与目标骨骼的相对位置并且根据相对位置获取在射线上与目标骨骼的中心点对应的中心射线点。
在一个实施方式中,可以按照以下步骤获取在射线上与目标骨骼的中心点对应的中心射线点:
步骤S1041:根据射线与目标骨骼的相对位置对射线上的点进行赋值。具体而言,若当前射线点在目标图像区域上对应的像素点是目标图像区域中目标骨骼对应的一个像素点,则对当前射线点赋值1;若当前射线点在目标图像区域上对应的像素点不是目标图像区域中目标骨骼对应的像素点,则对当前射线点赋值0,换言之,对于射线中经过目标骨骼的一部分射线中的点赋值1,未经过目标骨骼的一部分射线中的点赋值0。参阅附图3,图3中箭头表示一条射线,该射线中黑色区域表示射线点被赋值为0,射线中间断的区域表示射线点被赋值为1。
步骤S1042:在射线由原点向外发射的方向上,分别获取每条射线中的首个和最后一个赋值为1的射线点并且获取由这两个射线点构成的线段的中心点,以及将线段的中心点作为相应射线上与目标骨骼的中心点对应的中心射线点。
继续参阅附图3,图3中r1和r2分别表示在射线由原点向外发射的方向上的首个和最后一个赋值为1的射线点,rm表示由r1和r2构成的线段的中心点,该中心点在原始三维骨骼图像中对应的点就是目标骨骼在原始三维骨骼图像的中心点。
步骤S105:获取每个原始三维骨骼图像各自对应的所有中心射线点在相应目标图像区域中对应的像素点并且根据获取到的所有像素点进行二维图像构建,得到目标骨骼的二维剖面图像。
在一个实施方式中,可以通过步骤S1021和步骤S1022获取整个原始三维骨骼图像中肋骨和脊柱的识别结果的识别结果中心点,进而根据该识别结果中心点通过步骤S1023和步骤S1024对整个原始三维骨骼图像进行球坐标变换,得到球坐标三维骨骼图像,最后通过步骤S103-步骤S105并根据原始三维骨骼图像和球坐标三维骨骼图像得到一张完整的目标骨骼的二维剖面图像。
在一个实施方式中,在执行步骤S1021之前还可以先将每个原始三维骨骼图像都划分为相同的多个图像区域(例如:将每个原始三维骨骼图像都划分为两个图像区域,一个图像区域包含人体左侧肋骨和脊柱,另一个图像区域包含人体右侧肋骨和脊柱),然后通过步骤S1021和步骤S1022分别获取每个图像区域中肋骨和脊柱的识别结果的识别结果中心点,进而通过步骤S1023和步骤S1024并根据每个图像区域对应的识别结果中心点对相应图像区域进行球坐标变换,得到每个图像区域对应的球坐标三维骨骼图像。最后通过步骤S103-步骤S105并根据每个图像区域以及每个图像区域各自对应的球坐标三维骨骼图像,得到每个图像区域对应的目标骨骼的二维剖面图像,将所有图像区域对应的目标骨骼的二维剖面图像拼接在一起就可以得到一张完整的目标骨骼的二维剖面图像。
利用计算机断层扫描技术得到的CT图像通常包括200-300张不同骨骼断层的CT图像,因而每张CT图像展示的骨骼信息均不相同。在本发明实施例中通过上述步骤S101-步骤S104分别获取每张CT图像各自对应的所有中心射线点,最后在步骤S105中根据所有CT图像的所有中心射线点对应的像素点进行二维图像构建,得到1张目标骨骼的二维剖面图像,即根据所有不同骨骼断层的CT图像能够获取到1张同时包含了大部分CT图像中的骨骼信息的二维图像,通过查看该二维图像即可快速且准确地确认骨骼的真实状态。
参阅附图4-5,图4示例性示出了本发明实施例中肋骨和脊柱的二维剖面图像,图5示例性示出了本发明实施例中胸骨和肩胛骨的二维剖面图像。通过观察图4和图5,可以快速确认图4中白色矩形框标注的肋骨区域存在状态异常,图5中白色矩形框标注的肩胛骨区域存在状态异常。
进一步,在图1所示的实施方式中,通过步骤S1041对射线上的点进行赋值之后,还可以按照以下步骤获取目标骨骼的外表面二维图像:
步骤11:在射线由原点向外发射的方向上,获取射线中接近线段的最后一个赋值为0的远端射线点。如图3所示,远端射线点是在由r1向r2移动的方向上,赋值为0的射线点中距离r2最远的射线点。
步骤12:获取每个原始三维骨骼图像各自对应的所有远端射线点在相应目标图像区域上对应的像素点,并且根据获取到的所有像素点进行二维图像构建,得到目标骨骼的外表面二维图像。
在本实施方式中,外表面二维图像中的“外表面”指的是骨骼在远离人体胸腔内器官比如肺的方向上的侧面,外表面二维图像指的是骨骼在该侧面的二维图像。通过上述步骤S101-步骤S104以及分别上述步骤11获取每张CT图像各自对应的所有远端射线点,最后在步骤12根据所有CT图像的所有远端射线点对应的像素点进行二维图像构建,得到1张目标骨骼的外表面二维图像,即根据所有不同骨骼断层的CT图像获取到1张同时包含了大部分CT图像中的骨骼信息的二维图像,而这些CT图像中的骨骼信息与前述二维剖面图像所包含的骨骼信息不完全相同,因此,通过查看该二维图像不仅可以快速且准确地确认骨骼的真实状态,还能查看到上述二维剖面图像无法显示的骨骼信息。
在一个实施方式中,在执行步骤S1021之前还可以先将每个原始三维骨骼图像都划分为相同的多个图像区域(例如:将每个原始三维骨骼图像都划分为两个图像区域,一个图像区域包含人体左侧肋骨和脊柱,另一个图像区域包含人体右侧肋骨和脊柱),然后通过步骤S1021和步骤S1022分别获取每个图像区域中肋骨和脊柱的识别结果的识别结果中心点,进而通过步骤S1023和步骤S1024并根据每个图像区域对应的识别结果中心点对相应图像区域进行球坐标变换,得到每个图像区域对应的球坐标三维骨骼图像。最后通过步骤S103-步骤S104并根据每个图像区域以及每个图像区域各自对应的球坐标三维骨骼图像,得到每个图像区域对应的目标骨骼的外表面二维图像,将所有图像区域对应的目标骨骼的外表面二维图像拼接在一起就可以得到一张完整的目标骨骼的外表面二维图像。
参阅附图6-7,图6示例性示出了本发明实施例中肋骨和脊柱的外表面二维图像,图7示例性示出了本发明实施例中胸骨和肩胛骨的外表面二维图像。通过观察图6和图7,可以快速确认图6中白色矩形框标注的肋骨区域存在状态异常,图7中白色矩形框标注的肩胛骨区域存在状态异常。同时结合附图4可知,图6还示出了图4没有显示出的肋骨异常状态(图6左侧第1个白色矩形框标注的肋骨区域)。
进一步,在图1所示的实施方式中,通过步骤S1041对射线上的点进行赋值之后,还可以按照以下步骤获取目标骨骼的内表面二维图像:
步骤21:在射线由原点向外发射的方向上,获取射线中接近线段的最后一个赋值为0的近端射线点。如图3所示,近端射线点是在由r1向r2移动的方向上,赋值为0的射线点中距离r1最近的射线点。
步骤22:获取每个原始三维骨骼图像各自对应的所有近端射线点在相应目标图像区域上对应的像素点,并且根据获取到的所有像素点进行二维图像构建,得到目标骨骼的内表面二维图像。
在本实施方式中,内表面二维图像中的“内表面”指的是骨骼在接近人体胸腔内器官比如肺的方向上的侧面,内表面二维图像指的是骨骼在该侧面的二维图像。通过上述步骤S101-步骤S104以及分别上述步骤21获取每张CT图像各自对应的所有近端射线点,最后在步骤22根据所有CT图像的所有近端射线点对应的像素点进行二维图像构建,得到1张目标骨骼的内表面二维图像,即根据所有不同骨骼断层的CT图像获取到1张同时包含了大部分CT图像中的骨骼信息的二维图像,而这些CT图像中的骨骼信息与前述二维剖面图像、外表面二维图像所包含的骨骼信息都不完全相同,因此,通过查看该二维图像不仅可以快速且准确地确认骨骼的真实状态,还能查看到上述二维剖面图像、外表面二维图像无法显示的骨骼信息。
在一个实施方式中,在执行步骤S1021之前还可以先将每个原始三维骨骼图像都划分为相同的多个图像区域(例如:将每个原始三维骨骼图像都划分为两个图像区域,一个图像区域包含人体左侧肋骨和脊柱,另一个图像区域包含人体右侧肋骨和脊柱),然后通过步骤S1021和步骤S1022分别获取每个图像区域中肋骨和脊柱的识别结果的识别结果中心点,进而通过步骤S1023和步骤S1024并根据每个图像区域对应的识别结果中心点对相应图像区域进行球坐标变换,得到每个图像区域对应的球坐标三维骨骼图像。最后通过步骤S103-步骤S104并根据每个图像区域以及每个图像区域各自对应的球坐标三维骨骼图像,得到每个图像区域对应的目标骨骼的内表面二维图像,将所有图像区域对应的目标骨骼的内表面二维图像拼接在一起就可以得到一张完整的目标骨骼的内表面二维图像。
进一步,在图1所示的实施方式中,通过步骤S102对原始三维骨骼图像进行球坐标转换之后,还可以按照以下步骤获取原始三维骨骼图像中所有类型骨骼叠加显示的二维图像:
步骤31:根据原始三维骨骼图像与球坐标三维骨骼图像之间的坐标对应关系,获取以球坐标三维骨骼图像的原点为端点的射线在原始三维骨骼图像上对应的像素点中像素值最大的最大像素点。
在本实施方式中,先通过公式(1)所示的方法计算球坐标系下射线的位置坐标(r,α,β)在笛卡尔坐标系下的图像中对应的坐标(x,y,z),从而确定射线在原始三维骨骼图像上对应的所有像素点;然后选取这些像素点中像素值最大的像素点作为最大像素点。
步骤32:获取每个原始三维骨骼图像各自对应的所有射线在相应原始三维骨骼图像上对应的最大像素点并且根据获取到的所有最大像素点进行二维图像构建,得到原始三维骨骼图像中所有类型骨骼叠加显示的二维图像。
在本实施方式中通过上述步骤S101-步骤S102分别获取每张CT图像各自对应的球坐标三维骨骼图像,通过步骤31获取每张CT图像各自对应的所有射线的最大像素点,最后通过步骤32根据所有CT图像的所有最大像素点进行二维图像构建,得到1张目标骨骼的二维剖面图像,即根据所有不同骨骼断层的CT图像获取到1张同时包含了所有CT图像中的骨骼信息的二维图像,通过查看该二维图像不仅可以快速且准确地确认骨骼的真实状态,还能准确确认所有骨骼之间的相对位置。参阅附图8,图8示例性示出了肋骨、脊柱、胸骨和肩胛骨叠加显示的二维图像。通过观察图8,不仅可以快速确认骨骼存在的异常状态(图8中白色箭头指示的区域),还可以准确确认肋骨、脊柱、胸骨和肩胛骨之间的相对位置。
在一个实施方式中,在执行步骤S1021之前还可以先将每个原始三维骨骼图像都划分为相同的多个图像区域(例如:将每个原始三维骨骼图像都划分为两个图像区域,一个图像区域包含人体左侧肋骨和脊柱,另一个图像区域包含人体右侧肋骨和脊柱),然后通过步骤S1021和步骤S1022分别获取每个图像区域中肋骨和脊柱的识别结果的识别结果中心点,进而通过步骤S1023和步骤S1024并根据每个图像区域对应的识别结果中心点对相应图像区域进行球坐标变换,得到每个图像区域对应的球坐标三维骨骼图像。最后通过步骤31和步骤32并根据每个原始三维骨骼图像中每个原始骨骼图像区域,得到每个原始骨骼图像区域中所有类型骨骼叠加显示的二维图像,最后将所有原始骨骼图像区域的所有类型骨骼叠加显示的二维图像拼接在一起就可以得到一张完整的所有类型骨骼叠加显示的二维图像。
要说明的是,尽管上述实施例中将各个步骤按照特定的先后顺序进行了描述,但是本领域技术人员可以理解,为了实现本发明的效果,不同的步骤之间并非必须按照这样的顺序执行,其可以同时(并行)执行或以其他顺序执行,这些变化都在本发明的保护范围之内。
首先参阅附图9,图9是根据本发明的一个实施例的二维骨骼图像获取系统的主要结构示意图。在该实施例中,原始三维骨骼图像是人体胸部CT图像,该图像包含人体的肋骨、胸骨、肋软骨和肩胛骨等骨骼。如图1所示,在本实施例中二维骨骼图像获取系统主要包括骨骼识别模块11、图像坐标转换模块12、图像坐标获取模块13、骨骼中心点获取模块14和第一二维图像获取模块15。
具体而言,骨骼识别模块11可以被配置成识别原始三维骨骼图像中目标骨骼所在的目标图像区域。
在一个实施方式中,骨骼识别模块11可以被具体配置成执行以下操作:识别原始三维骨骼图像中的肋骨和脊柱,根据肋骨和脊柱的识别结果分别获取在笛卡尔坐标系的x、y和z方向上识别结果对应的矩形边框以及每个矩形边框的边框中心点。获取在x、y和z方向上边框中心点对应的法线在三维空间的交叉点并且将交叉点作为识别结果的识别结果中心点。获取在笛卡尔坐标系下以识别结果中心点为原点时,原始三维骨骼图像中每个像素点的坐标。根据获取到的每个像素点的坐标分别计算每个像素点的球体坐标,根据每个像素点的球体坐标获取球坐标三维骨骼图像。在一个实施方式中,具体实现功能的描述可以参见步骤S101所述。
图像坐标转换模块12可以被配置成对原始三维骨骼图像进行球坐标转换,得到在球坐标系下的球坐标三维骨骼图像。在一个实施方式中,具体实现功能的描述可以参见步骤S102所述。
图像坐标获取模块13可以被配置成根据原始三维骨骼图像与球坐标三维骨骼图像之间的坐标对应关系,获取以球坐标三维骨骼图像的原点为端点的射线在目标图像区域中对应的位置坐标。在一个实施方式中,具体实现功能的描述可以参见步骤S103所述。
骨骼中心点获取模块14可以被配置成根据位置坐标与目标骨骼在目标图像区域中的位置坐标,确定射线与目标骨骼的相对位置并且根据相对位置获取在射线上与目标骨骼的中心点对应的中心射线点。
在一个实施方式中,骨骼中心点获取模块14可以被具体配置成执行以下操作:根据射线与目标骨骼的相对位置对射线上的点进行赋值;若当前射线点在目标图像区域上对应的像素点是目标图像区域中目标骨骼对应的一个像素点,则对当前射线点赋值1;若当前射线点在目标图像区域上对应的像素点不是目标图像区域中目标骨骼对应的像素点,则对当前射线点赋值0。在射线由原点向外发射的方向上,分别获取每条射线中的首个和最后一个赋值为1的射线点并且获取由这两个射线点构成的线段的中心点,以及将线段的中心点作为相应射线上与目标骨骼的中心点对应的中心射线点。
在一个实施方式中,骨骼中心点获取模块14具体实现功能的描述可以参见步骤S104所述。
第一二维图像获取模块15可以被配置成获取每个原始三维骨骼图像各自对应的所有中心射线点在相应目标图像区域中对应的像素点并且根据获取到的所有像素点进行二维图像构建,得到目标骨骼的二维剖面图像。
在一个实施方式中,第一二维图像获取模块15还可以被配置成执行以下操作:在射线由原点向外发射的方向上,获取射线中远离线段的最后一个赋值为0的远端射线点。获取每个原始三维骨骼图像各自对应的所有远端射线点在相应目标图像区域上对应的像素点,并且根据获取到的所有像素点进行二维图像构建,得到目标骨骼的外表面二维图像。
在一个实施方式中,第一二维图像获取模块15还可以被配置成执行以下操作:在射线由原点向外发射的方向上,获取射线中接近线段的最后一个赋值为0的近端射线点。获取每个原始三维骨骼图像各自对应的所有近端射线点在相应目标图像区域上对应的像素点,并且根据获取到的所有像素点进行二维图像构建,得到目标骨骼的内表面二维图像。
在一个实施方式中,第一二维图像获取模块15具体实现功能的描述可以参见步骤S105所述。
进一步,在图9所示的实施方式中,二维骨骼图像获取系统还可以包括第二二维图像获取模块(图中未示出)。
在本实施方式中,第二二维图像获取模块可以被配置成执行以下操作:根据原始三维骨骼图像与球坐标三维骨骼图像之间的坐标对应关系,获取以球坐标三维骨骼图像的原点为端点的射线在原始三维骨骼图像上对应的像素点中像素值最大的最大像素点。获取每个原始三维骨骼图像各自对应的所有射线在相应原始三维骨骼图像上对应的最大像素点,并且根据获取到的所有最大像素点进行二维图像构建,得到原始三维骨骼图像中所有类型骨骼叠加显示的二维图像。第二二维图像获取模块具体实现功能的描述可以参见步骤31、32所述。
上述二维骨骼图像获取系统以用于执行图1所示的二维骨骼图像获取方法实施例,两者的技术原理、所解决的技术问题及产生的技术效果相似,本技术领域技术人员可以清楚地了解到,为了描述的方便和简洁,获取二维骨骼图像的具体工作过程及有关说明,可以参考二维骨骼图像获取方法的实施例所描述的内容,此处不再赘述。
基于上述方法实施例,本发明还提供了一种存储装置实施例。在存储装置实施例中,存储装置存储有多条程序代码,所述程序代码适于由处理器加载并运行以执行上述方法实施例的二维骨骼图像获取方法。为了便于说明,仅示出了与本发明实施例相关的部分,具体技术细节未揭示的,请参照本发明实施例方法部分。
基于上述方法实施例,本发明还提供了一种图像处理装置实施例。在图像处理装置实施例中,该装置包括处理器和存储装置,存储装置存储有多条程序代码,所述程序代码适于由处理器加载并运行以执行上述方法实施例的二维骨骼图像获取方法。为了便于说明,仅示出了与本发明实施例相关的部分,具体技术细节未揭示的,请参照本发明实施例方法部分。该图像处理装置可以安装或设置在各种电子设备中。
本领域技术人员能够理解的是,本发明实现上述一实施例的方法中的全部或部分流程,也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计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存取存储器、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
进一步,应该理解的是,由于各个模块的设定仅仅是为了说明本发明的系统的功能单元,这些模块对应的物理器件可以是处理器本身,或者处理器中软件的一部分,硬件的一部分,或者软件和硬件结合的一部分。因此,图中的各个模块的数量仅仅是示意性的。
本领域技术人员能够理解的是,可以对系统中的各个模块进行适应性地拆分或合并。对具体模块的这种拆分或合并并不会导致技术方案偏离本发明的原理,因此,拆分或合并之后的技术方案都将落入本发明的保护范围内。
本发明实施例的二维骨骼图像获取方法主要是对三维图像进行三维空间下的图像坐标转换,根据转换前后图像之间的坐标对应关系确定图像中骨骼的中心点,提取所有中心点在原始三维骨骼图像中对应的像素点,利用这些像素点得到骨骼的二维剖面图像,操作简单,不涉及复杂的操作内容,同时坐标转换、中心点确定以及像素点提取等步骤也不会引入随机误差,从而能够得到成像效果清晰的二维图像。
至此,已经结合附图所示的一个实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征作出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (14)
1.一种二维骨骼图像获取方法,其特征在于,所述方法包括:
识别原始三维骨骼图像中目标骨骼所在的目标图像区域;
对所述原始三维骨骼图像进行球坐标转换,得到在球坐标系下的球坐标三维骨骼图像;
根据所述原始三维骨骼图像与所述球坐标三维骨骼图像之间的坐标对应关系,获取以所述球坐标三维骨骼图像的原点为端点的射线在所述目标图像区域中对应的位置坐标;
根据所述位置坐标与所述目标骨骼在所述目标图像区域中的位置坐标,确定所述射线与所述目标骨骼的相对位置并且根据所述相对位置获取在所述射线上与所述目标骨骼的中心点对应的中心射线点;
获取每个原始三维骨骼图像各自对应的所有中心射线点在相应目标图像区域中对应的像素点并且根据获取到的所有像素点进行二维图像构建,得到所述目标骨骼的二维剖面图像;
其中,所述原始三维骨骼图像是在笛卡尔坐标系下的三维图像。
2.根据权利要求1所述的二维骨骼图像获取方法,其特征在于,“对所述原始三维骨骼图像进行球坐标转换,得到在球坐标系下的球坐标三维骨骼图像”的步骤具体包括:
识别原始三维骨骼图像中的肋骨和脊柱,根据所述肋骨和脊柱的识别结果分别获取在笛卡尔坐标系的x、y和z方向上所述识别结果对应的矩形边框以及每个矩形边框的边框中心点;
获取在所述x、y和z方向上边框中心点对应的法线在三维空间的交叉点并且将所述交叉点作为所述识别结果的识别结果中心点;
获取在笛卡尔坐标系下以所述识别结果中心点为原点时,所述原始三维骨骼图像中每个像素点的坐标;
根据获取到的所述每个像素点的坐标分别计算所述每个像素点的球体坐标,根据所述每个像素点的球体坐标获取所述球坐标三维骨骼图像;或者,
“对所述原始三维骨骼图像进行球坐标转换,得到在球坐标系下的球坐标三维骨骼图像”的步骤具体包括将原始三维骨骼图像划分为多个原始骨骼图像区域,通过以下步骤分别获取每个原始骨骼图像区域对应的球坐标三维骨骼图像:
识别原始骨骼图像区域中的肋骨和脊柱,根据所述肋骨和脊柱的识别结果分别获取在笛卡尔坐标系的x、y和z方向上所述识别结果对应的矩形边框以及每个矩形边框的边框中心点;
获取在所述x、y和z方向上边框中心点对应的法线在三维空间的交叉点并且将所述交叉点作为所述识别结果的识别结果中心点;
获取在笛卡尔坐标系下以所述识别结果中心点为原点时,所述原始骨骼图像区域中每个像素点的坐标;
根据获取到的所述每个像素点的坐标分别计算所述每个像素点的球体坐标,根据所述每个像素点的球体坐标获取所述球坐标三维骨骼图像。
3.根据权利要求2所述的二维骨骼图像获取方法,其特征在于,“根据所述相对位置获取在所述射线上与所述目标骨骼的中心点对应的中心射线点”的步骤具体包括:
根据所述射线与所述目标骨骼的相对位置对所述射线上的点进行赋值;若当前射线点在所述目标图像区域上对应的像素点是所述目标图像区域中目标骨骼对应的一个像素点,则对当前射线点赋值1;若当前射线点在所述目标图像区域上对应的像素点不是所述目标图像区域中目标骨骼对应的像素点,则对当前射线点赋值0;
在射线由原点向外发射的方向上,分别获取每条射线中的首个和最后一个赋值为1的射线点并且获取由这两个射线点构成的线段的中心点,以及将所述线段的中心点作为相应射线上与所述目标骨骼的中心点对应的中心射线点。
4.根据权利要求3所述的二维骨骼图像获取方法,其特征在于,所述方法还包括:
在射线由原点向外发射的方向上,获取射线中远离所述线段的最后一个赋值为0的远端射线点;
获取每个原始三维骨骼图像各自对应的所有远端射线点在相应目标图像区域上对应的像素点,并且根据获取到的所有像素点进行二维图像构建,得到所述目标骨骼的外表面二维图像;
或者,所述方法还包括:
在射线由原点向外发射的方向上,获取射线中远离所述线段的最后一个赋值为0的远端射线点;
获取每个原始三维骨骼图像中每个原始骨骼图像区域各自对应的所有远端射线点在相应目标图像区域上对应的像素点,并且根据获取到的所有像素点进行二维图像构建,得到每个原始骨骼图像区域各自对应的目标骨骼的外表面二维图像;
将所有原始骨骼图像区域对应的目标骨骼的外表面二维图像进行图像拼接,得到所述原始三维骨骼图像对应的目标骨骼的外表面二维图像。
5.根据权利要求3所述的二维骨骼图像获取方法,其特征在于,所述方法还包括:
在射线由原点向外发射的方向上,获取射线中接近所述线段的最后一个赋值为0的近端射线点;
获取每个原始三维骨骼图像各自对应的所有近端射线点在相应目标图像区域上对应的像素点,并且根据获取到的所有像素点进行二维图像构建,得到所述目标骨骼的内表面二维图像;
或者,所述方法还包括:
在射线由原点向外发射的方向上,获取射线中接近所述线段的最后一个赋值为0的近端射线点;
获取每个原始三维骨骼图像中每个原始骨骼图像区域各自对应的所有近端射线点在相应目标图像区域上对应的像素点,并且根据获取到的所有像素点进行二维图像构建,得到每个原始骨骼图像区域各自对应的目标骨骼的内表面二维图像;
将所有原始骨骼图像区域对应的目标骨骼的内表面二维图像进行图像拼接,得到所述原始三维骨骼图像对应的目标骨骼的内表面二维图像。
6.根据权利要求1至5中任一项所述的二维骨骼图像获取方法,其特征在于,所述方法还包括:
根据所述原始三维骨骼图像与所述球坐标三维骨骼图像之间的坐标对应关系,获取以球坐标三维骨骼图像的原点为端点的射线在所述原始三维骨骼图像上对应的像素点中像素值最大的最大像素点;
获取每个原始三维骨骼图像各自对应的所有射线在相应原始三维骨骼图像上对应的最大像素点,并且根据获取到的所有最大像素点进行二维图像构建,得到所述原始三维骨骼图像中所有类型骨骼叠加显示的二维图像;或者,
所述方法还包括:
将原始三维骨骼图像划分为多个原始骨骼图像区域,通过以下步骤分别获取每个原始骨骼图像区域对应的所有类型骨骼叠加显示的二维图像:
根据原始骨骼图像区域与球坐标三维骨骼图像之间的坐标对应关系,获取以球坐标三维骨骼图像的原点为端点的射线在所述原始骨骼图像区域上对应的像素点中像素值最大的最大像素点;
获取每个原始三维骨骼图像中每个原始骨骼图像区域各自对应的所有射线在相应原始骨骼图像区域上对应的最大像素点,并且根据获取到的所有最大像素点进行二维图像构建,得到所述原始骨骼图像区域中所有类型骨骼叠加显示的二维图像;
将所有原始骨骼图像区域的所有类型骨骼叠加显示的二维图像进行图像拼接,得到所述原始三维骨骼图像中所有类型骨骼叠加显示的二维图像。
7.一种二维骨骼图像获取系统,其特征在于,所述系统包括:
骨骼识别模块,其被配置成识别原始三维骨骼图像中目标骨骼所在的目标图像区域;
图像坐标转换模块,其被配置成对所述原始三维骨骼图像进行球坐标转换,得到在球坐标系下的球坐标三维骨骼图像;
图像坐标获取模块,其被配置成根据所述原始三维骨骼图像与所述球坐标三维骨骼图像之间的坐标对应关系,获取以所述球坐标三维骨骼图像的原点为端点的射线在所述目标图像区域中对应的位置坐标;
骨骼中心点获取模块,其被配置成根据所述位置坐标与所述目标骨骼在所述目标图像区域中的位置坐标,确定所述射线与所述目标骨骼的相对位置并且根据所述相对位置获取在所述射线上与所述目标骨骼的中心点对应的中心射线点;
第一二维图像获取模块,其被配置成获取每个原始三维骨骼图像各自对应的所有中心射线点在相应目标图像区域中对应的像素点并且根据获取到的所有像素点进行二维图像构建,得到所述目标骨骼的二维剖面图像;
其中,所述原始三维骨骼图像是在笛卡尔坐标系下的三维图像。
8.根据权利要求7所述的二维骨骼图像获取系统,其特征在于,所述图像坐标转换模块被具体配置成执行以下操作:
识别原始三维骨骼图像中的肋骨和脊柱,根据所述肋骨和脊柱的识别结果分别获取在笛卡尔坐标系的x、y和z方向上所述识别结果对应的矩形边框以及每个矩形边框的边框中心点;
获取在所述x、y和z方向上边框中心点对应的法线在三维空间的交叉点并且将所述交叉点作为所述识别结果的识别结果中心点;
获取在笛卡尔坐标系下以所述识别结果中心点为原点时,所述原始三维骨骼图像中每个像素点的坐标;
根据获取到的所述每个像素点的坐标分别计算所述每个像素点的球体坐标,根据所述每个像素点的球体坐标获取所述球坐标三维骨骼图像;或者,所述图像坐标转换模块被具体配置成执行以下操作:
“对所述原始三维骨骼图像进行球坐标转换,得到在球坐标系下的球坐标三维骨骼图像”的步骤具体包括将原始三维骨骼图像划分为多个原始骨骼图像区域,通过以下步骤分别获取每个原始骨骼图像区域对应的球坐标三维骨骼图像:
识别原始骨骼图像区域中的肋骨和脊柱,根据所述肋骨和脊柱的识别结果分别获取在笛卡尔坐标系的x、y和z方向上所述识别结果对应的矩形边框以及每个矩形边框的边框中心点;
获取在所述x、y和z方向上边框中心点对应的法线在三维空间的交叉点并且将所述交叉点作为所述识别结果的识别结果中心点;
获取在笛卡尔坐标系下以所述识别结果中心点为原点时,所述原始骨骼图像区域中每个像素点的坐标;
根据获取到的所述每个像素点的坐标分别计算所述每个像素点的球体坐标,根据所述每个像素点的球体坐标获取所述球坐标三维骨骼图像。
9.根据权利要求8所述的二维骨骼图像获取系统,其特征在于,所述骨骼中心点获取模块被具体配置成执行以下操作:
根据所述射线与所述目标骨骼的相对位置对所述射线上的点进行赋值;若当前射线点在所述目标图像区域上对应的像素点是所述目标图像区域中目标骨骼对应的一个像素点,则对当前射线点赋值1;若当前射线点在所述目标图像区域上对应的像素点不是所述目标图像区域中目标骨骼对应的像素点,则对当前射线点赋值0;
在射线由原点向外发射的方向上,分别获取每条射线中的首个和最后一个赋值为1的射线点并且获取由这两个射线点构成的线段的中心点,以及将所述线段的中心点作为相应射线上与所述目标骨骼的中心点对应的中心射线点。
10.根据权利要求9所述的二维骨骼图像获取系统,其特征在于,所述第一二维图像获取模块还被配置成执行以下操作:
在射线由原点向外发射的方向上,获取射线中远离所述线段的最后一个赋值为0的远端射线点;
获取每个原始三维骨骼图像各自对应的所有远端射线点在相应目标图像区域上对应的像素点,并且根据获取到的所有像素点进行二维图像构建,得到所述目标骨骼的外表面二维图像;
或者,所述第一二维图像获取模块还被配置成执行以下操作:
在射线由原点向外发射的方向上,获取射线中远离所述线段的最后一个赋值为0的远端射线点;
获取每个原始三维骨骼图像中每个原始骨骼图像区域各自对应的所有远端射线点在相应目标图像区域上对应的像素点,并且根据获取到的所有像素点进行二维图像构建,得到每个原始骨骼图像区域各自对应的目标骨骼的外表面二维图像;
将所有原始骨骼图像区域对应的目标骨骼的外表面二维图像进行图像拼接,得到所述原始三维骨骼图像对应的目标骨骼的外表面二维图像。
11.根据权利要求9所述的二维骨骼图像获取系统,其特征在于,所述第一二维图像获取模块还被配置成执行以下操作:
在射线由原点向外发射的方向上,获取射线中接近所述线段的最后一个赋值为0的近端射线点;
获取每个原始三维骨骼图像各自对应的所有近端射线点在相应目标图像区域上对应的像素点,并且根据获取到的所有像素点进行二维图像构建,得到所述目标骨骼的内表面二维图像;
或者,所述第一二维图像获取模块还被配置成执行以下操作:
在射线由原点向外发射的方向上,获取射线中接近所述线段的最后一个赋值为0的近端射线点;
获取每个原始三维骨骼图像中每个原始骨骼图像区域各自对应的所有近端射线点在相应目标图像区域上对应的像素点,并且根据获取到的所有像素点进行二维图像构建,得到每个原始骨骼图像区域各自对应的目标骨骼的内表面二维图像;
将所有原始骨骼图像区域对应的目标骨骼的内表面二维图像进行图像拼接,得到所述原始三维骨骼图像对应的目标骨骼的内表面二维图像。
12.根据权利要求7至11中任一项所述的二维骨骼图像获取系统,其特征在于,所述系统还包括第二二维图像获取模块,所述第二二维图像获取模块被配置成执行以下操作:
根据所述原始三维骨骼图像与所述球坐标三维骨骼图像之间的坐标对应关系,获取以球坐标三维骨骼图像的原点为端点的射线在所述原始三维骨骼图像上对应的像素点中像素值最大的最大像素点;
获取每个原始三维骨骼图像各自对应的所有射线在相应原始三维骨骼图像上对应的最大像素点,并且根据获取到的所有最大像素点进行二维图像构建,得到所述原始三维骨骼图像中所有类型骨骼叠加显示的二维图像;
或者,所述第二二维图像获取模块被配置成执行以下操作:
将原始三维骨骼图像划分为多个原始骨骼图像区域,通过以下步骤分别获取每个原始骨骼图像区域对应的所有类型骨骼叠加显示的二维图像:
根据原始骨骼图像区域与球坐标三维骨骼图像之间的坐标对应关系,获取以球坐标三维骨骼图像的原点为端点的射线在所述原始骨骼图像区域上对应的像素点中像素值最大的最大像素点;
获取每个原始三维骨骼图像中每个原始骨骼图像区域各自对应的所有射线在相应原始骨骼图像区域上对应的最大像素点,并且根据获取到的所有最大像素点进行二维图像构建,得到所述原始骨骼图像区域中所有类型骨骼叠加显示的二维图像;
将所有原始骨骼图像区域的所有类型骨骼叠加显示的二维图像进行图像拼接,得到所述原始三维骨骼图像中所有类型骨骼叠加显示的二维图像。
13.一种存储装置,其中存储有多条程序代码,其特征在于,所述程序代码适于由处理器加载并运行以执行权利要求1至6中任一项所述的二维骨骼图像获取方法。
14.一种图像处理装置,包括处理器和存储装置,所述存储装置适于存储多条程序代码,其特征在于,所述程序代码适于由所述处理器加载并运行以执行权利要求1至6中任一项所述的二维骨骼图像获取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911309573.1A CN110916707B (zh) | 2019-12-18 | 2019-12-18 | 二维骨骼图像获取方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911309573.1A CN110916707B (zh) | 2019-12-18 | 2019-12-18 | 二维骨骼图像获取方法、系统及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110916707A CN110916707A (zh) | 2020-03-27 |
CN110916707B true CN110916707B (zh) | 2023-06-27 |
Family
ID=69864185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911309573.1A Active CN110916707B (zh) | 2019-12-18 | 2019-12-18 | 二维骨骼图像获取方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110916707B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111588467B (zh) * | 2020-07-24 | 2020-10-23 | 成都金盘电子科大多媒体技术有限公司 | 基于医学影像的三维空间坐标转换为影像二维坐标的方法 |
CN112862793A (zh) * | 2021-02-20 | 2021-05-28 | 北京医准智能科技有限公司 | 一种基于肋骨三维形态及分布的肋骨中心线提取方法及装置 |
CN114240740B (zh) * | 2021-12-16 | 2022-08-16 | 数坤(北京)网络科技股份有限公司 | 骨骼展开图像的获取方法、装置、医疗设备以及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016154998A (ja) * | 2011-04-06 | 2016-09-01 | キヤノン株式会社 | 情報処理装置 |
CN109509143A (zh) * | 2018-10-31 | 2019-03-22 | 太原理工大学 | 一种三维点云转换二维图像的方法 |
CN110263720A (zh) * | 2019-06-21 | 2019-09-20 | 中国民航大学 | 基于深度图像和骨骼信息的动作识别方法 |
CN110544245A (zh) * | 2019-08-30 | 2019-12-06 | 北京推想科技有限公司 | 图像处理方法、装置、计算机可读存储介质及电子设备 |
-
2019
- 2019-12-18 CN CN201911309573.1A patent/CN110916707B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016154998A (ja) * | 2011-04-06 | 2016-09-01 | キヤノン株式会社 | 情報処理装置 |
CN109509143A (zh) * | 2018-10-31 | 2019-03-22 | 太原理工大学 | 一种三维点云转换二维图像的方法 |
CN110263720A (zh) * | 2019-06-21 | 2019-09-20 | 中国民航大学 | 基于深度图像和骨骼信息的动作识别方法 |
CN110544245A (zh) * | 2019-08-30 | 2019-12-06 | 北京推想科技有限公司 | 图像处理方法、装置、计算机可读存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110916707A (zh) | 2020-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110916707B (zh) | 二维骨骼图像获取方法、系统及装置 | |
CN111161275B (zh) | 医学图像中目标对象的分割方法、装置和电子设备 | |
CN109124662B (zh) | 肋骨中心线检测装置及方法 | |
US20220157047A1 (en) | Feature Point Detection | |
CN110570426A (zh) | 使用深度学习的图像联合配准和分割 | |
US10929643B2 (en) | 3D image detection method and apparatus, electronic device, and computer readable medium | |
CN111488872B (zh) | 图像检测方法、装置、计算机设备和存储介质 | |
US11276490B2 (en) | Method and apparatus for classification of lesion based on learning data applying one or more augmentation methods in lesion information augmented patch of medical image | |
US20240013393A1 (en) | Method and apparatus for determining mid-sagittal plane in magnetic resonance images | |
CN112348958A (zh) | 关键帧图像的采集方法、装置、系统和三维重建方法 | |
CN111311705A (zh) | 基于webgl的高适应性医学影像多平面重建方法及系统 | |
AU2019430369B2 (en) | VRDS 4D medical image-based vein Ai endoscopic analysis method and product | |
CN113888566B (zh) | 目标轮廓曲线确定方法、装置、电子设备以及存储介质 | |
WO2021030995A1 (zh) | 基于vrds ai下腔静脉影像的分析方法及产品 | |
CN112200780B (zh) | 骨组织定位方法、装置、计算机设备和存储介质 | |
CN115018775A (zh) | 图像检测方法、装置、设备和存储介质 | |
CN111723836A (zh) | 图像相似度的计算方法及装置、电子设备、存储介质 | |
CN111353325A (zh) | 关键点检测模型训练方法及装置 | |
CN109410170B (zh) | 图像数据处理方法、装置及设备 | |
Chen et al. | Virtual blood vessels in complex background using stereo x-ray images | |
CN114340496A (zh) | 基于vrds ai医学影像的心脏冠脉的分析方法和相关装置 | |
CN111627529A (zh) | Vrds 4d医学影像处理方法及产品 | |
CN113889238B (zh) | 一种图像识别方法、装置、电子设备及存储介质 | |
CN112581460B (zh) | 扫描规划方法、装置、计算机设备和存储介质 | |
CN114037830A (zh) | 增强图像生成模型的训练方法、图像处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |