CN110992243B - 椎间盘截面图像构建方法、装置、计算机设备及存储介质 - Google Patents
椎间盘截面图像构建方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN110992243B CN110992243B CN201911040239.0A CN201911040239A CN110992243B CN 110992243 B CN110992243 B CN 110992243B CN 201911040239 A CN201911040239 A CN 201911040239A CN 110992243 B CN110992243 B CN 110992243B
- Authority
- CN
- China
- Prior art keywords
- plane
- data
- intervertebral disc
- point
- reconstruction
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 32
- 239000011159 matrix material Substances 0.000 claims abstract description 64
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000000513 principal component analysis Methods 0.000 claims abstract description 21
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 5
- 230000011218 segmentation Effects 0.000 claims description 22
- 238000012935 Averaging Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 5
- 238000005452 bending Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 230000006835 compression Effects 0.000 description 4
- 238000007906 compression Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 210000000746 body region Anatomy 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G06T3/06—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
- G06T2207/30012—Spine; Backbone
Abstract
本申请实施例属于人工智能领域,涉及一种椎间盘截面图像构建方法,包括获取腰椎的三维图像数据;提取三维图像数据中的椎间盘区域数据;对椎间盘区域数据进行主成分分析以得到椎间盘区域数据的正交坐标系;根据正交坐标系构建出重建平面;计算重建平面和水平面之间的旋转矩阵;构建水平面的平面点云数据,将平面点云数据与旋转矩阵相乘以得到平面点云数据在重建平面上的投影数据;获取投影数据在三维图像数据中对应的灰度值;根据投影数据和灰度值构建椎间盘的截面图像。本申请还提供一种椎间盘截面图像构建装置、计算机设备及存储介质。本申请通过对椎间盘区域数据进行主成分分析,能够提高所构建的椎间盘截面图像的准确度。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及椎间盘截面图像构建方法、装置、计算机设备及存储介质。
背景技术
在医学图像领域中,椎间盘的截面图像一直是一个重要的分支,其具有很高的医学价值。现今较为常见的获取椎间盘的截面图像的做法是:首先拍摄腰椎的三维CT图像,然后操作软件手动地截取所需要观察的椎间盘的截面图像或者由软件自动地截取椎间盘的截面图像。由软件自动地截取椎间盘的截面图像时,软件中通常使用的是较为机械的截取方法,若遇到腰椎弯曲的情况(例如:严重的腰椎侧弯症状导致腰椎弯曲、拍摄时坐姿不正引起的腰椎弯曲),往往不能准确地截取到椎间盘的截面图像。因此,现有技术中的椎间盘截面图像构建方法在截取弯曲腰椎的截面图像时存在准确度不高的问题。
发明内容
本申请实施例的目的在于提出一种椎间盘截面图像构建方法、装置、计算机设备及存储介质,以解决现有技术中的椎间盘截面图像构建方法在截取弯曲腰椎的截面图像时存在准确度不高的问题。
为了解决上述技术问题,本申请实施例提供一种基于人工智能的椎间盘截面图像构建方法,采用了如下所述的技术方案:
获取腰椎的三维图像数据;
提取所述三维图像数据中的椎间盘区域数据;
对所述椎间盘区域数据进行主成分分析以得到所述椎间盘区域数据的几何中心、第一主方向、第二主方向和第三主方向;
根据所述几何中心点、所述第一主方向和所述第二主方向,或者所述几何中心点、所述第一主方向、所述第二主方向和所述第三主方向构建出重建平面;
计算所述重建平面和水平面之间的旋转矩阵;
获取所述水平面的预置平面点云数据,将所述平面点云数据与所述旋转矩阵相乘以得到所述平面点云数据在所述重建平面上的投影数据;
获取所述投影数据在所述三维图像数据中对应的灰度值;
根据所述投影数据将所述灰度值映射至二维空间以构建所述椎间盘的截面图像。
进一步的,所述对所述椎间盘区域数据进行主成分分析以得到所述椎间盘区域数据的几何中心、第一主方向、第二主方向和第三主方向包括:
在所述三维图像数据中,提取所有像素点对应的坐标值,对所述坐标值进行均值化后形成均值化矩阵;
计算所述均值化矩阵的协方差矩阵;
计算所述协方差矩阵的三个特征向量,以所述三个特征向量的方向分别作为所述第一主方向、所述第二主方向和所述第三主方向,以所述三个特征向量的交点为所述几何中心点。
进一步的,所述计算所述均值化矩阵的协方差矩阵包括:
通过调用运行环境中求取协方差矩阵的函数来计算所述均值化矩阵的协方差矩阵。
进一步的,所述根据所述几何中心点、所述第一主方向和所述第二主方向,或者所述几何中心点、所述第一主方向、所述第二主方向和所述第三主方向构建出重建平面包括:
在所述第一主方向上取任意一个不与所述几何中心点重合的点为第一重建平面点,在所述第二主方向上取任意一个不与所述几何中心点重合的点为第二重建平面点;
以所述第一重建平面点、所述第二重建平面点和所述几何中心点所在的平面为重建平面,并计算重建平面方程。
进一步的,所述重建平面包括有多个平面,所述以所述第一重建平面点、所述第二重建平面点和所述几何中心点所在的平面为重建平面,并计算重建平面方程的步骤之后还包括:
计算所有像素点在所述第三主方向上的投影坐标值;
在所有像素点中,取投影坐标值的Z轴坐标值最大的像素点为最大端点,取投影坐标值的Z轴坐标值最小的像素点为最小端点;
将重建平面方程沿所述第三主方向在所述最大端点和所述最小端点间平移以获得多个重建平面方程。
进一步的,所述计算所述重建平面和水平面之间的旋转矩阵包括:
计算所述第三主方向对应的特征向量u3(u,v,w)与z轴方向之间的夹角θ;
根据所述夹角,通过以下公式计算所述旋转矩阵:
进一步的,所述提取所述三维图像数据中的椎间盘区域数据包括:
利用深度神经网络的分割模型从三维图像数据中提取所述椎间盘区域数据。
为了解决上述技术问题,本申请实施例还提供一种基于人工智能的椎间盘截面图像构建装置,采用了如下所述的技术方案:
获取模块,用于获取腰椎的三维图像数据;
提取模块,用于提取所述三维图像数据中的椎间盘区域数据;
主成分分析模块,用于对所述椎间盘区域数据进行主成分分析以得到所述椎间盘区域数据的几何中心、第一主方向、第二主方向和第三主方向;
平面重建模块,用于根据所述几何中心点、所述第一主方向和所述第二主方向,或者所述几何中心点、所述第一主方向、所述第二主方向和所述第三主方向构建出重建平面;
旋转计算模块,用于计算所述重建平面和水平面之间的旋转矩阵;
投影模块,用于获取所述水平面的预置平面点云数据,将所述平面点云数据与所述旋转矩阵相乘以得到所述平面点云数据在所述重建平面上的投影数据;
灰度获取模块,用于获取所述投影数据在所述三维图像数据中对应的灰度值;
截面构建模块,用于根据所述投影数据将所述灰度值映射至二维空间以构建所述椎间盘的截面图像。
进一步的,所述主成分分析模块包括:
均值化单元,用于在所述三维图像数据中,提取所有像素点对应的坐标值,对所述坐标值进行均值化后形成均值化矩阵;
协方差计算单元,用于计算所述均值化矩阵的协方差矩阵;
主方向计算单元,用于计算所述协方差矩阵的三个特征向量,以所述三个特征向量的方向分别作为所述第一主方向、所述第二主方向和所述第三主方向,以所述三个特征向量的交点为所述几何中心点。
进一步的,所述平面重建模块包括:
点重建单元,用于在所述第一主方向上取任意一个不与所述几何中心点重合的点为第一重建平面点,在所述第二主方向上取任意一个不与所述几何中心点重合的点为第二重建平面点;
面重建单元,用于以所述第一重建平面点、所述第二重建平面点和所述几何中心点所在的平面为重建平面,并计算重建平面方程。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项的椎间盘截面图像构建方法的步骤。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
一种计算机可读存储介质,所述计算机可读存储介质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上述任一项的椎间盘截面图像构建方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
通过对椎间盘区域数据进行主成分分析以得到椎间盘区域数据的几何中心、第一主方向、第二主方向和第三主方向,能够使重建的坐标系在腰椎弯曲的情况下也能准确地贴合腰椎的几何形态,从而使根据几何中心、第一主方向、第二主方向和第三主方向构建出的重建平面能够准确地适应腰椎弯曲的情况,进而提高所构建的椎间盘截面图像的准确度,以解决现有技术中的椎间盘截面图像构建方法在截取弯曲腰椎的截面图像时存在准确度不高的问题。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请可以应用于其中的示例性系统架构图;
图2是示出了采集腰椎的三维图像数据时出现腰椎弯曲的情形;
图3是示出了现有的椎间盘截面图像构建方法所得到的截面;
图4是示出了本申请的椎间盘截面图像构建方法所得到的截面;
图5是根据本申请的椎间盘截面图像构建方法的一个实施例的流程图;
图6是示出了椎间盘倾斜时进行主成分分析得到的正交坐标系;
图7是图5中步骤S3的一种具体实施方式的流程图;
图8是图5中步骤S4的一种具体实施方式的流程图;
图9是图5中步骤S4的另一种具体实施方式的流程图;
图10是图5中步骤S5一种具体实施方式的流程图;
图11是根据本申请的椎间盘截面图像构建装置的一个实施例的结构示意图;
图12是图11所示主成分分析模块403一种具体实施方式的结构示意图;
图13是图11所示平面重建模块404一种具体实施方式的结构示意图;
图14是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的椎间盘截面图像构建方法一般由服务器/ 终端设备执行,相应地,椎间盘截面图像构建装置一般设置于服务器/终端设备中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
如图2所示,采集腰椎的三维图像数据时,由于严重的腰椎侧弯症状、采集时坐姿不正等因素,有可能出现腰椎弯曲的情况。
如图3所示,当腰椎弯曲时,现有的椎间盘截面图像构建方法所得到的截面容易发生偏移。
如图4所示,当腰椎弯曲时,本申请的椎间盘截面图像构建方法所得到的截面能够适应腰椎的弯曲。
参考图5,示出了根据本申请的椎间盘截面图像构建方法的一个实施例的流程图。所述的椎间盘截面图像构建方法,包括以下步骤:
S1:获取腰椎的三维图像数据。
在上述步骤S1中,腰椎的三维图像数据可以是腰椎的三维CT图像的数据。其可以由不同厂商的CT扫描设备扫描得到。腰椎的三维图像数据可以包括腰椎三维图像的每个像素点的坐标值和灰度值。例如,其中一个像素点的坐标值为(10,20,15),灰度值为110。
S2:提取所述三维图像数据中的椎间盘区域数据。
在上述步骤S2中,三维图像数据分为椎体区域数据和椎间盘区域数据。椎体区域数据是指腰椎中椎体所在区域的三维图像数据,椎间盘区域数据是指腰椎中椎间盘所在区域的三维图像数据。这里,可以利用深度神经网络的分割模型从所述三维图像数据中提取所述椎间盘区域数据。分割模型可以使用的是Mask RCNN网络。从腰椎CT图像中随机抽取少量数据,并对每张图像中的椎间盘和椎体区域进行人工标注,例如椎间盘区域为1,椎体区域为2。具体地,分割模型的训练过程可以为:
(1)通过多层卷积、池化、非线性激活函数等作用将未标注图像压缩为特征权重图像,然后通过多层反卷积操作将特征权重图像还原成与未标注图像相同分辨率的图像,采用特定的损失函数计算还原图像与对应标注图像之间损失,并通过反向传播和梯度下降方法对压缩和还原过程中的参数进行优化,通过多次上述迭代不断减小还原图像与对应标注图像之间差异(损失),当损失收敛后训练得到的参数模型即为所需的分割模型。
(2)利用训练好的分割模型对大量未标注的腰椎CT图像进行推理(inference),然后对推理出的分割结果进行人工检查和修正,主要是对可能出现的明显分割错误,例如在非椎间盘或非椎体区域进行了标注、间盘和椎骨区域没有标注等,进行修正,从而获取更多带标注的腰椎CT图像数据;推理过程为:利用训练好的分割模型对训练时采用的深度分割网络进行赋值,然后将未标注的腰椎CT图像输入到深度分割网络中,通过压缩和还原的过程即可得到对应带标注的分割图像。
(3)重复步骤(1)、(2)对分割模型进行迭代优化,直至分割中错标、漏标序列与测试总序列的比例低于1%为止。
现有的分割椎体区域数据和椎间盘区域数据的方法大多采用物理分割,边缘分割,阈值分割等方法,其鲁棒性不强,准确度不高,且难以适应复杂的分割情况。通过将深度神经网络应用到分割的过程中,能够提高分割的准确度,鲁棒性更强。
S3:对所述椎间盘区域数据进行主成分分析以得到所述椎间盘区域数据的几何中心、第一主方向、第二主方向和第三主方向。
在上述步骤S3中,主成分分析是一种统计方法,通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量,转换后的这组变量叫主成分。这里,对椎间盘区域数据进行主成分分析,是为了构建椎间盘的几何体在几何空间上相应的正交坐标系,如图6所示,图6是示出了椎间盘倾斜时进行主成分分析得到的正交坐标系。
进一步的,如图7所示,上述步骤S3可以包括:
S31:在所述三维图像数据中,提取所有像素点对应的坐标值,对所述坐标值进行均值化后形成均值化矩阵。
在上述步骤S31中,对坐标值进行均值化的过程如下:
其中,xi、yi和zi是第i个像素点的坐标值,xmean、ymean和zmean是所有像素点的坐标值的平均值,和/>是第i个像素点均值化后的坐标值。
以和/>作为均值化矩阵的元素以形成均值化矩阵[X,Y,Z],其中,
S32:计算所述均值化矩阵的协方差矩阵。
在上述步骤S32中,计算协方差矩阵可以通过调用运行环境中求取协方差矩阵的函数来实现。例如,在opencv环境中运行,即可以调用calcCovarMatrix函数计算。另外,也可以通过调用外部软件或接口中求取协方差矩阵的函数来实现,例如,调用matlab软件中的cov函数。
S33:计算所述协方差矩阵的三个特征向量,以所述三个特征向量的方向分别作为所述第一主方向、所述第二主方向和所述第三主方向,以所述三个特征向量的交点为所述几何中心点。
在上述步骤S33中,计算协方差矩阵的三个特征向量可以通过调用运行环境中求取矩阵特征向量的函数来实现。例如,在opencv环境中运行,即可以调用eigen函数计算。另外,也可以通过调用外部软件或接口中求取矩阵特征向量的函数来实现,例如,调用matlab软件中的eig函数。
S4:根据所述几何中心点、所述第一主方向、所述第二主方向和所述第三主方向构建出重建平面。
进一步的,如图8所示,上述步骤S4可以包括:
S41:在所述第一主方向上取任意一个不与所述几何中心点重合的点为第一重建平面点,在所述第二主方向上取任意一个不与所述几何中心点重合的点为第二重建平面点。
S42:以所述第一重建平面点、所述第二重建平面点和所述几何中心点所在的平面为重建平面,并计算重建平面方程。
再进一步的,所述重建平面可以包括有多个平面,如图9所示,在上述步骤S42之后还可以包括:
S43:计算所有像素点在所述第三主方向上的投影坐标值。
在上述步骤S43中,计算像素点在第三主方向上的投影坐标值可以通过如下方式计算:
其中,xi、yi和zi是第i个像素点的坐标值,xmean、ymean和zmean是所有像素点的坐标值的平均值,和/>是第i个像素点在第三主方向上的投影坐标值,u3是在上述步骤S33中第三主方向对应的特征向量。
S44:在所有像素点中,取投影坐标值的Z轴坐标值最大的像素点为最大端点,取投影坐标值的Z轴坐标值最小的像素点为最小端点。
S45:将重建平面方程沿所述第三主方向在所述最大端点和所述最小端点间平移以获得多个重建平面方程。
通过上述步骤S43、步骤S44和步骤S45能够获取多个重建平面,从而能够获取椎间盘的多个截面图像。
S5:计算所述重建平面和水平面之间的旋转矩阵。
进一步的,如图10所示,上述步骤S5可以包括:
S51:计算所述第三主方向对应的特征向量u3(u,v,w)与z轴方向之间的夹角θ。
在上述步骤S51中,计算第三主方向对应的特征向量u3(u,v,w)与z轴方向之间的夹角θ可以通过以下方式计算:
θ=arccos((u3·z)/|u3||z|)。
S52:根据所述夹角,通过以下公式计算所述旋转矩阵:
S6:获取所述水平面的预置平面点云数据,将所述平面点云数据与所述旋转矩阵相乘以得到所述平面点云数据在所述重建平面上的投影数据。
在上述步骤S6中,水平面的平面点云数据可以是预先设置的均匀地分布在水平面上的点的坐标值,例如,(10,10,0),(10,20,0),(10,30,0),(20,10,0),(30,10,0)等。其中,投影数据可以通过以下公式计算得到:
Paim=R*P;
其中,P为平面点云数据(即一个坐标值),R为旋转矩阵,Paim为投影数据(即一个经过矩阵变换后的坐标值)。
S7:获取所述投影数据在所述三维图像数据中对应的灰度值。
在上述步骤S7中,投影数据是一个像素的坐标值,在上述步骤S1中也有提及:在三维图像数据中,每个坐标值会对应一个灰度值,知道坐标值即可以在三维图像数据中获得对应的灰度值。例如,投影数据为(10,10,0),(10,20,0),(10,30,0),(20,10,0),(30,10,0)等坐标值。在腰椎的三维图像数据中,这些坐标值对应的灰度值分别为50,100,100,100,80等。
S8:根据所述投影数据将所述灰度值映射至二维空间以构建所述椎间盘的截面图像。
在上述步骤S8中,根据投影数据和灰度值构建椎间盘的截面图像时,可以进行插值以得到椎间盘的截面图像。例如,(10,10,0)这一坐标值对应的灰度值为50,(10,20,0)这一坐标值对应的灰度值为100,即可以将(10,12,0),(10,14,0),(10,16,0),(10,18,0)这些坐标值对应的灰度值依次插值为60,70,80,90。插值时,还可以使用其他常见的插值算法,例如,三线性插值。这里,构建的截面图像是一幅单通道灰度图像,可以想象我们计算的坐标点就是一幅包含了512*512个小格子的图框,小格子里面放着其对应的像素地址,然后我们在原始数据中按照像素地址找到每个小格子所对应的灰度值(可以简单地取横坐标和纵坐标相同的像素地址的灰度值,例如图像中的像素地址为(10,16),其对应的灰度值在三维图像中的像素地址为(10,16,0)),然后将灰度值放到小格子里,最后即可得到一幅512*512的单通道灰度图像。
在本实施例中,通过对椎间盘区域数据进行主成分分析以得到椎间盘区域数据的几何中心、第一主方向、第二主方向和第三主方向,能够使重建的坐标系在腰椎弯曲的情况下也能准确地贴合腰椎的几何形态,从而使根据几何中心、第一主方向、第二主方向和第三主方向构建出的重建平面能够准确地适应腰椎弯曲的情况,进而提高所构建的椎间盘截面图像的准确度,以解决现有技术中的椎间盘截面图像构建方法在截取弯曲腰椎的截面图像时存在准确度不高的问题。
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,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图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,其可以以其他的顺序执行。而且,附图的流程图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,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他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。
进一步参考图11,作为对上述图5所示方法的实现,本申请提供了一种椎间盘截面图像构建装置的一个实施例,该装置实施例与图5所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图11所示,本实施例所述的椎间盘截面图像构建装置400包括:获取模块401、提取模块402、主成分分析模块403、平面重建模块404、旋转计算模块405、投影模块406、灰度获取模块407以及截面构建模块408。其中:
获取模块401,用于获取腰椎的三维图像数据。
提取模块402,用于提取所述三维图像数据中的椎间盘区域数据。
主成分分析模块403,用于对所述椎间盘区域数据进行主成分分析以得到所述椎间盘区域数据的几何中心、第一主方向、第二主方向和第三主方向。
平面重建模块404,用于根据所述几何中心点、所述第一主方向和所述第二主方向,或者所述几何中心点、所述第一主方向、所述第二主方向和所述第三主方向构建出重建平面。
旋转计算模块405,用于计算所述重建平面和水平面之间的旋转矩阵。
投影模块406,用于获取所述水平面的预置平面点云数据,将所述平面点云数据与所述旋转矩阵相乘以得到所述平面点云数据在所述重建平面上的投影数据。
灰度获取模块407,用于获取所述投影数据在所述三维图像数据中对应的灰度值。
截面构建模块408,用于根据所述投影数据将所述灰度值映射至二维空间以构建所述椎间盘的截面图像。
在本实施例中,通过对椎间盘区域数据进行主成分分析以得到椎间盘区域数据的几何中心、第一主方向、第二主方向和第三主方向,能够使重建的坐标系在腰椎弯曲的情况下也能准确地贴合腰椎的几何形态,从而使根据几何中心、第一主方向、第二主方向和第三主方向构建出的重建平面能够准确地适应腰椎弯曲的情况,进而提高所构建的椎间盘截面图像的准确度,以解决现有技术中的椎间盘截面图像构建方法在截取弯曲腰椎的截面图像时存在准确度不高的问题。
进一步的,如图12所示,主成分分析模块403可以包括:
均值化单元4031,用于在所述三维图像数据中,提取所有像素点对应的坐标值,对所述坐标值进行均值化后形成均值化矩阵。
协方差计算单元4032,用于计算所述均值化矩阵的协方差矩阵。
主方向计算单元4033,用于计算所述协方差矩阵的三个特征向量,以所述三个特征向量的方向分别作为所述第一主方向、所述第二主方向和所述第三主方向,以所述三个特征向量的交点为所述几何中心点。
再进一步的,协方差计算单元4032中还可以包括:
函数调用单元,用于调用运行环境中求取协方差矩阵的函数来计算所述均值化矩阵的协方差矩阵。
进一步的,如图13所示,平面重建模块404可以包括:
点重建单元4041,用于在所述第一主方向上取任意一个不与所述几何中心点重合的点为第一重建平面点,在所述第二主方向上取任意一个不与所述几何中心点重合的点为第二重建平面点。
面重建单元4042,用于以所述第一重建平面点、所述第二重建平面点和所述几何中心点所在的平面为重建平面,并计算重建平面方程。
进一步的,重建平面可以包括多个平面,平面重建模块404还可以包括:
投影单元,用于计算所有像素点在所述第三主方向上的投影坐标值。
端点获取单元,用于在所有像素点中,取投影坐标值的Z轴坐标值最大的像素点为最大端点,取投影坐标值的Z轴坐标值最小的像素点为最小端点。
多平面重建单元,用于将重建平面方程沿所述第三主方向在所述最大端点和所述最小端点间平移以获得多个重建平面方程。
进一步的,旋转计算模块405可以包括:
夹角计算单元,用于计算所述第三主方向对应的特征向量u3(u,v,w)与z轴方向之间的夹角θ。
旋转矩阵计算单元,用于根据所述夹角,通过以下公式计算所述旋转矩阵:
进一步的,在提取模块402中可以包括:
神经网络提取单元,用于利用深度神经网络的分割模型从三维图像数据中提取所述椎间盘区域数据。
具体地,对于椎间盘截面图像构建装置的具体限定与上述椎间盘截面图像构建方法的具体限定一致,在此不再一一赘述。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图14,图14为本实施例计算机设备基本结构框图。
所述计算机设备14包括通过系统总线相互通信连接存储器141、处理器142、网络接口143。需要指出的是,图中仅示出了具有组件141-143的计算机设备14,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器141至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器141可以是所述计算机设备14的内部存储单元,例如该计算机设备14的硬盘或内存。在另一些实施例中,所述存储器141也可以是所述计算机设备14的外部存储设备,例如该计算机设备14上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,所述存储器141还可以既包括所述计算机设备14的内部存储单元也包括其外部存储设备。本实施例中,所述存储器141通常用于存储安装于所述计算机设备14的操作系统和各类应用软件,例如椎间盘截面图像构建方法的程序代码等。此外,所述存储器141还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器142在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器142通常用于控制所述计算机设备14的总体操作。本实施例中,所述处理器142用于运行所述存储器141中存储的程序代码或者处理数据,例如运行所述椎间盘截面图像构建方法的程序代码。
所述网络接口143可包括无线网络接口或有线网络接口,该网络接口143通常用于在所述计算机设备14与其他电子设备之间建立通信连接。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有椎间盘截面图像构建程序,所述椎间盘截面图像构建程序可被至少一个处理器执行,以使所述至少一个处理器执行如上述的椎间盘截面图像构建方法的步骤。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (9)
1.一种椎间盘截面图像构建方法,其特征在于,包括下述步骤:
获取腰椎的三维图像数据;
提取所述三维图像数据中的椎间盘区域数据;
对所述椎间盘区域数据进行主成分分析以得到所述椎间盘区域数据的几何中心、第一主方向、第二主方向和第三主方向;
根据所述几何中心点、所述第一主方向和所述第二主方向,或者所述几何中心点、所述第一主方向、所述第二主方向和所述第三主方向构建出重建平面;
计算所述重建平面和水平面之间的旋转矩阵;
获取所述水平面的预置平面点云数据,将所述平面点云数据与所述旋转矩阵相乘以得到所述平面点云数据在所述重建平面上的投影数据;
获取所述投影数据在所述三维图像数据中对应的灰度值;
根据所述投影数据将所述灰度值映射至二维空间以构建所述椎间盘的截面图像;
所述对所述椎间盘区域数据进行主成分分析以得到所述椎间盘区域数据的几何中心、第一主方向、第二主方向和第三主方向包括:
在所述三维图像数据中,提取所有像素点对应的坐标值,对所述坐标值进行均值化后形成均值化矩阵;
计算所述均值化矩阵的协方差矩阵;
计算所述协方差矩阵的三个特征向量,以所述三个特征向量的方向分别作为所述第一主方向、所述第二主方向和所述第三主方向,以所述三个特征向量的交点为所述几何中心点。
2.根据权利要求1所述的椎间盘截面图像构建方法,其特征在于,所述计算所述均值化矩阵的协方差矩阵包括:
通过调用运行环境中求取协方差矩阵的函数来计算所述均值化矩阵的协方差矩阵。
3.根据权利要求1所述的椎间盘截面图像构建方法,其特征在于,所述根据所述几何中心点、所述第一主方向和所述第二主方向,或者所述几何中心点、所述第一主方向、所述第二主方向和所述第三主方向构建出重建平面包括:
在所述第一主方向上取任意一个不与所述几何中心点重合的点为第一重建平面点,在所述第二主方向上取任意一个不与所述几何中心点重合的点为第二重建平面点;
以所述第一重建平面点、所述第二重建平面点和所述几何中心点所在的平面为重建平面,并计算重建平面方程。
4.根据权利要求3所述的椎间盘截面图像构建方法,所述重建平面包括有多个平面,所述以所述第一重建平面点、所述第二重建平面点和所述几何中心点所在的平面为重建平面,并计算重建平面方程的步骤之后还包括:
计算所有像素点在所述第三主方向上的投影坐标值;
在所有像素点中,取投影坐标值的Z轴坐标值最大的像素点为最大端点,取投影坐标值的Z轴坐标值最小的像素点为最小端点;
将重建平面方程沿所述第三主方向在所述最大端点和所述最小端点间平移以获得多个重建平面方程。
5.根据权利要求1所述的椎间盘截面图像构建方法,所述计算所述重建平面和水平面之间的旋转矩阵包括:
计算所述第三主方向对应的特征向量u3(u,v,w)与z轴方向之间的夹角θ;
根据所述夹角,通过以下公式计算所述旋转矩阵:
6.根据权利要求1至5任意一项所述的椎间盘截面图像构建方法,所述提取所述三维图像数据中的椎间盘区域数据包括:
利用深度神经网络的分割模型从三维图像数据中提取所述椎间盘区域数据。
7.一种基于人工智能的椎间盘截面图像构建装置,其特征在于,包括:
获取模块,用于获取腰椎的三维图像数据;
提取模块,用于提取所述三维图像数据中的椎间盘区域数据;
主成分分析模块,用于对所述椎间盘区域数据进行主成分分析以得到所述椎间盘区域数据的几何中心、第一主方向、第二主方向和第三主方向;
平面重建模块,用于根据所述几何中心点、所述第一主方向和所述第二主方向,或者所述几何中心点、所述第一主方向、所述第二主方向和所述第三主方向构建出重建平面;
旋转计算模块,用于计算所述重建平面和水平面之间的旋转矩阵;
投影模块,用于获取所述水平面的预置平面点云数据,将所述平面点云数据与所述旋转矩阵相乘以得到所述平面点云数据在所述重建平面上的投影数据;
灰度获取模块,用于获取所述投影数据在所述三维图像数据中对应的灰度值;
截面构建模块,用于根据所述投影数据将所述灰度值映射至二维空间以构建所述椎间盘的截面图像。
8.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的椎间盘截面图像构建方法的步骤。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质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如权利要求1至6中任一项所述的椎间盘截面图像构建方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911040239.0A CN110992243B (zh) | 2019-10-29 | 2019-10-29 | 椎间盘截面图像构建方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911040239.0A CN110992243B (zh) | 2019-10-29 | 2019-10-29 | 椎间盘截面图像构建方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110992243A CN110992243A (zh) | 2020-04-10 |
CN110992243B true CN110992243B (zh) | 2023-12-22 |
Family
ID=70082531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911040239.0A Active CN110992243B (zh) | 2019-10-29 | 2019-10-29 | 椎间盘截面图像构建方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110992243B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112200767B (zh) * | 2020-09-04 | 2023-08-01 | 群滨智造科技(苏州)有限公司 | 一种基于pca的点云数据端点提取方法和装置 |
CN112233237B (zh) * | 2020-10-23 | 2021-06-08 | 广州建通测绘地理信息技术股份有限公司 | 制作数字高程模型时的水域置平处理方法、计算机设备 |
CN113240730B (zh) * | 2021-05-20 | 2022-02-08 | 推想医疗科技股份有限公司 | 提取椎体中线的方法及装置 |
CN114419067A (zh) * | 2022-01-19 | 2022-04-29 | 支付宝(杭州)信息技术有限公司 | 基于隐私保护的图像处理方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102125432A (zh) * | 2010-01-14 | 2011-07-20 | 株式会社东芝 | 医疗图像诊断装置和医疗图像显示装置 |
CN102208117A (zh) * | 2011-05-04 | 2011-10-05 | 西安电子科技大学 | 脊椎的三维几何与有限元混合模型的构建方法 |
CN105405129A (zh) * | 2015-10-31 | 2016-03-16 | 上海联影医疗科技有限公司 | 医学图像的重建方法及其装置 |
CN108053400A (zh) * | 2017-12-21 | 2018-05-18 | 上海联影医疗科技有限公司 | 图像处理方法及装置 |
CN108846830A (zh) * | 2018-05-25 | 2018-11-20 | 妙智科技(深圳)有限公司 | 对ct中腰椎自动定位的方法、装置以及存储介质 |
CN110264504A (zh) * | 2019-06-28 | 2019-09-20 | 北京国润健康医学投资有限公司 | 一种用于增强现实的三维配准方法和系统 |
-
2019
- 2019-10-29 CN CN201911040239.0A patent/CN110992243B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102125432A (zh) * | 2010-01-14 | 2011-07-20 | 株式会社东芝 | 医疗图像诊断装置和医疗图像显示装置 |
CN102208117A (zh) * | 2011-05-04 | 2011-10-05 | 西安电子科技大学 | 脊椎的三维几何与有限元混合模型的构建方法 |
CN105405129A (zh) * | 2015-10-31 | 2016-03-16 | 上海联影医疗科技有限公司 | 医学图像的重建方法及其装置 |
CN108053400A (zh) * | 2017-12-21 | 2018-05-18 | 上海联影医疗科技有限公司 | 图像处理方法及装置 |
CN108846830A (zh) * | 2018-05-25 | 2018-11-20 | 妙智科技(深圳)有限公司 | 对ct中腰椎自动定位的方法、装置以及存储介质 |
CN110264504A (zh) * | 2019-06-28 | 2019-09-20 | 北京国润健康医学投资有限公司 | 一种用于增强现实的三维配准方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110992243A (zh) | 2020-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110992243B (zh) | 椎间盘截面图像构建方法、装置、计算机设备及存储介质 | |
US10929648B2 (en) | Apparatus and method for data processing | |
CN108509915B (zh) | 人脸识别模型的生成方法和装置 | |
CN109712234B (zh) | 三维人体模型的生成方法、装置、设备和存储介质 | |
US20060217925A1 (en) | Methods for entity identification | |
CN109493417B (zh) | 三维物体重建方法、装置、设备和存储介质 | |
CN111192356A (zh) | 感兴趣区域的显示方法、装置、设备和存储介质 | |
CN109858333B (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN110517214B (zh) | 用于生成图像的方法和装置 | |
CN113808253B (zh) | 场景三维重建的动态对象处理方法、系统、设备及介质 | |
CN108229301B (zh) | 眼睑线检测方法、装置和电子设备 | |
CN111274999B (zh) | 数据处理、图像处理方法、装置及电子设备 | |
WO2023035531A1 (zh) | 文本图像超分辨率重建方法及其相关设备 | |
CN109165571B (zh) | 用于插入图像的方法和装置 | |
CN111583184A (zh) | 图像分析方法、网络、计算机设备和存储介质 | |
CN112949576B (zh) | 姿态估计方法、装置、设备及存储介质 | |
CN111915676B (zh) | 图像生成方法、装置、计算机设备和存储介质 | |
CN113516697A (zh) | 图像配准的方法、装置、电子设备及计算机可读存储介质 | |
CN113569855A (zh) | 一种舌象分割方法、设备及存储介质 | |
CN112561826A (zh) | 基于人工智能的图像去模糊方法、装置、设备及存储介质 | |
CN114913287B (zh) | 一种三维人体模型重建方法及系统 | |
CN111583264A (zh) | 图像分割网络的训练方法、图像分割方法和存储介质 | |
CN110956131A (zh) | 单目标追踪方法、装置及系统 | |
CN115393423A (zh) | 目标检测方法和装置 | |
CN115424001A (zh) | 场景相似度估计方法、装置、计算机设备和存储介质 |
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 |