CN111260642A

CN111260642A - 一种图像定位方法、装置、设备和存储介质

Info

Publication number: CN111260642A
Application number: CN202010088150.8A
Authority: CN
Inventors: 吴叶芬
Original assignee: Shanghai United Imaging Healthcare Co Ltd
Current assignee: Shanghai United Imaging Healthcare Co Ltd
Priority date: 2020-02-12
Filing date: 2020-02-12
Publication date: 2020-06-09
Anticipated expiration: 2040-02-12

Abstract

本发明实施例公开了一种图像定位方法、装置、设备和存储介质，该方法包括：获取乳腺部位在多个拍摄角度下获得的三维医学图像，并确定感兴趣区域；根据感兴趣区域，对三维医学图像进行分割，得到分割掩膜结果；确定分割掩膜结果中的每个断层图像中掩膜区域的轮廓边界对应的平均梯度值，并根据各平均梯度值，从三维医学图像对应的各断层图像中确定目标断层图像。通过本发明实施例的技术方案，可以实现清晰的断层图像的自动定位，提高阅片速度。

Description

一种图像定位方法、装置、设备和存储介质

技术领域

本发明实施例涉及定位技术，尤其涉及一种图像定位方法、装置、设备和存储介质。

背景技术

在医疗领域中，往往需要利用医疗设备对患者器官进行扫描成像，以便医生可以基于扫描后获得的三维医学图像进行疾病诊断。例如，可以利用数字乳腺三维断层合成摄影设备(Digital Breast Tomsynthesis，简称DBT)对患者的乳腺部位进行扫描和分析。由于DBT采集的断层图像所对应的拍摄角度不同，且拍摄角度有限，使得合成后的三维医学图像中的每个断层图像中的病灶位置的清晰度不同，从而医生需要逐层浏览手动找出清晰的断层图像并进行分析，大大降低了阅片速度。

发明内容

本发明实施例提供了一种图像定位方法、装置、设备和存储介质，以实现清晰的断层图像的自动定位，提高阅片速度。

第一方面，本发明实施例提供了一种图像定位方法，包括：

获取乳腺部位在多个拍摄角度下获得的三维医学图像，并确定感兴趣区域；

根据所述感兴趣区域，对所述三维医学图像进行分割，得到分割掩膜结果；

确定所述分割掩膜结果中的每个断层图像中掩膜区域的轮廓边界对应的平均梯度值，并根据各所述平均梯度值，从所述三维医学图像对应的各断层图像中确定目标断层图像。

第二方面，本发明实施例还提供了一种图像定位装置，包括：

感兴趣区域确定模块，用于获取乳腺部位在多个拍摄角度下获得的三维医学图像，并确定感兴趣区域；

分割模块，用于根据所述感兴趣区域，对所述三维医学图像进行分割，得到分割掩膜结果；

目标断层图像确定模块，用于确定所述分割掩膜结果中的每个断层图像中掩膜区域的轮廓边界对应的平均梯度值，并根据各所述平均梯度值，从所述三维医学图像对应的各断层图像中确定目标断层图像。

第三方面，本发明实施例还提供了一种设备，所述设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例所提供的图像定位方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所提供的图像定位方法。

本发明实施例通过获取乳腺部位在多个拍摄角度下获得的三维医学图像，并根据感兴趣区域，对三维医学图像进行分割，得到分割掩膜结果；根据分割掩膜结果中的每个断层图像中掩膜区域的轮廓边界对应的平均梯度值，可以从三维医学图像中的各个二维断层图像中确定出目标断层图像，从而可以快速定位到最清晰或较为清晰的目标断层图像，实现了清晰的断层图像的自动定位，无需人工手动查找，提高了阅片速度。

附图说明

图1是本发明实施例一提供的一种图像定位方法的流程图；

图2是本发明实施例一所涉及的一种断层图像和二维融合图像的示意图；

图3是本发明实施例二提供的一种图像定位方法的流程图；

图4是本发明实施例三提供的一种图像定位装置的结构示意图；

图5是本发明实施例四提供的一种设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的一种图像定位方法的流程图，本实施例可适用于对利用数字乳腺三维断层合成摄影设备DBT获得的三维医学图像进行层内定位，以获得清晰层的情况。该方法可以由图像定位装置来执行，该装置可以由软件和/或硬件的方式来实现，集成于设备中，比如台式电脑、平板电脑等。

该方法具体包括以下步骤：

S110、获取乳腺部位在多个拍摄角度下获得的三维医学图像，并确定感兴趣区域。

其中，三维医学图像可以是指利用DBT设备对乳腺部位进行多角度拍摄而获得的立体图像。例如，DBT设备可以每隔一定拍摄角度对固定的乳腺部位进行曝光，采集不同拍摄角度下的多个二维的断层图像，并对采集的多个断层图像进行三维重建，从而可以获得乳腺部位对应的三维医学图像。本实施例中，可以通过DBT设备在每一个拍摄角度对固定的乳腺部分进行曝光，采集该拍摄角度下的二维的断层图像，采集多个角度下曝光获取的多个二维的断层图像重建出的三维医学图像，每个三维医学图像可以由更多的断层图像组成，每个断层图像中的病灶边界并不都是清晰的，从而需要对三维医学图像进行层内定位。

其中，感兴趣区域(Volume of Interest，简称VOI)可以是指医生基于实际情况设置的想要关注的图像区域，比如病灶区域。其中病灶区域可以是指肿块区域、不对称区域和结构扭曲区域等。本实施例可以基于交互方式确定感兴趣区域。其中，交互方式可以是但不限于画圈、标出直径或者打点的方式。

具体地，医生或操作人员可以在三维医学图像中的任一断层图像中进行交互，标注出该断层图像中的感兴趣区域，并可以基于各断层图像之间的映射关系，自动截取出其他断层图像中相应的感兴趣区域，从而可以确定三维医学图像中的感兴趣空间。或者也可以在二维融合图像上进行交互，选取病灶区域的最大截面作为感兴趣区域，以便可以获得较为精确的感兴趣空间。其中，二维融合图像是通过对各个断层图像进行叠加压缩处理后所获得的图像。例如，图2给出了一种断层图像和二维融合图像的示意图。图2给出了四个不同层下的断层图像。如图2所示，二维融合图像在X-Y水平方向上的尺寸与每个断层图像的尺寸存在对应关系，从而用户也可以在二维融合图像上进行交互，比如对病灶区域的最大截面进行画圈或者画直径，从而可以确定出二维融合图像中较为精确的感兴趣区域，并基于二维融合图像与每个断层图像之间的尺寸对应关系，可以在其他断层图像中也截取出相应的感兴趣区域，进而确定出三维医学图像中的感兴趣空间，从而实现二维到三维的导航。

本实施例中的感兴趣区域还可以通过机器学习或深度学习等模型自动确定，也可以将交互手动和模型自动进行结合的方式确定。通过确定断层图像中的感兴趣区域可以减少后续需要处理的数据量，提升定位的速度及准确性。

S120、根据感兴趣区域，对三维医学图像进行分割，得到分割掩膜结果。

其中，分割掩膜结果中可以包括分割出有掩膜区域的各个断层图像。掩膜区域Mask可以是指断层图像中的感兴趣区域中的病灶边界所围成的区域。相对于感兴趣区域而言，掩膜区域可以是指更为精准的病灶区域。

具体地，可以基于阈值分割方式、区域分割方式、边缘分割方式或者特定理论分割方式等，根据感兴趣区域对三维医学图像进行整体分割，或者逐层进行分割，从而可以获得三维医学图像中的每个断层图像中的掩膜区域。

示例性地，S120可以包括：基于大津阈值分割方式，根据感兴趣区域对三维医学图像进行分割，得到分割掩膜结果。

其中，大津阈值分割方式是一种图像灰度自适应的阈值分割方式，其可以按照图像上灰度值的分布，将图像分布背景区域和病灶区域，并基于背景区域和病灶区域之间的类间方差获得分割阈值，根据该分割阈值对感兴趣区域进行分割。本实施例可以利用大津阈值，对三维医学图像进行一次整体分割便可获得分割掩膜结果，从而提高了分割效率。

S130、确定分割掩膜结果中的每个断层图像中掩膜区域的轮廓边界对应的平均梯度值，并根据各平均梯度值，从三维医学图像对应的各断层图像中确定目标断层图像。

其中，平均梯度值可以是指掩膜区域的轮廓边界上各位置点的灰度值的变化情况，其可以用于反映掩膜区域的边界和纹理的清晰度。平均梯度值越大，则表明掩膜区域的边界和纹理的清晰度越高。目标断层图像可以是指业务场景中所需要定位出的断层图像，比如最清晰或较为清晰的断层图像。目标断层图像可以为一个或多个，其具体数量可以由业务场景和需求预先确定。

具体地，本实施例可以基于二维图像梯度公式确定出每个掩膜区域的轮廓边界对应的平均梯度值，其中二维图像梯度公式可以表示为：

G_x(x,y)＝f(x+1,y)-f(x,y)

G_y(x,y)＝f(x,y+1)-f(x,y)

其中，f(x,y)是轮廓边界上坐标为(x,y)的像素点的灰度值；G_x(x,y)是在水平方向x轴方向上像素点(x,y)的梯度值；G_y(x,y)是在垂直方向y轴方向上像素点(x,y)的梯度值；G(x,y)是像素点(x,y)对应的梯度值。通过上述二维图像梯度公式可以确定出轮廓边界上每个像素点所对应的梯度值，并可以对各个梯度值取平均的方式，获得每个断层图像对应的平均梯度值。本实施例可以将每个断层图像对应的平均梯度值与预设梯度值进行比较，并将大于预设梯度值的每个断层图像确定为目标断层图像，从而可以自动定位出较为清晰的各个断层图像。本实施例还可以从各平均梯度值中确定出最大的平均梯度值，并将最大的平均梯度值对应的断层图像确定为目标断层图像，从而可以自动定位出最清晰的断层图像，实现了层内定位。本实施例在定位出目标断层图像时，可以在显示界面上直接跳转到目标断层图像，以便可以将目标断层图像的病灶中心呈现给用户，避免用户手动翻页进行查找，从而节省了查找时间，提高了阅片速度。

本实施例的技术方案，获取乳腺部位在多个拍摄角度下获得的三维医学图像，并根据感兴趣区域，对三维医学图像进行分割，得到分割掩膜结果；根据分割掩膜结果中的每个断层图像中掩膜区域的轮廓边界对应的平均梯度值，可以从三维医学图像中的各个二维断层图像中确定出目标断层图像，从而可以快速定位到最清晰或较为清晰的目标断层图像，实现了清晰的断层图像的自动定位，无需人工手动查找，提高了阅片速度。

在上述技术方案的基础上，S120可以包括：对感兴趣区域进行采样，确定采样后的感兴趣区域；根据采样后的感兴趣区域，对三维医学图像进行分割，得到分割掩膜结果。

具体地，本实施例可以基于预设采样精度，对感兴趣区域进行采样，以降低感兴趣区域的分辨率。相对于直接使用感兴趣区域进行分割，通过基于采样后的感兴趣区域进行分割可以进一步减少要处理的数据量，加快了处理速度，使得断层图像的定位更加快速。其中，预设采样精度可以根据实际要求达到的定位精度与定位速度预先进行确定。

在上述技术方案的基础上，在S120之后还可以包括：基于距离场的形态学，对分割掩膜结果中的每个断层图像中掩膜区域进行腐蚀操作和膨胀操作，以更新掩膜区域。

其中，距离场可以是指利用数值来表征掩膜区域中的各个位置点的分布情况。距离场中可以包含掩膜区域中的每个位置点对应的数值。

具体地，可以基于掩膜区域中的每个位置点与掩膜区域中心位置的距离大小，确定出每个位置点对应的数值，从而构建出一个距离场，该距离场中距离掩膜区域的中心位置越近的位置点所对应的数值越大。基于距离场的形态学，可以将掩膜区域中的数值小于腐蚀值的位置点进行删除，从而完成基于距离场的腐蚀操作，更新掩膜区域，其中，腐蚀值可以是指在距离场中病灶区域的边界所对应的数值。例如，可以将病灶区域的边界上各个位置点对应的数值中的最大数值作为腐蚀值。由于选取的腐蚀值可能并不等于实际的边界轮廓上的最大值，有可能比最大值小，导致更新后的掩膜区域要比实际掩膜区域小，从而需要对更新后的掩膜区域进行重新取反，进行一次膨胀操作，进行可以去除误分割部分，比如掩膜区域中的狭长连接，实现了掩膜区域的更新，以便基于更新后的掩膜区域进行定位，从而可以进一步提高定位的准确性。

示例性地，若断层图像中的掩膜区域存在空洞时，可以利用现有的填充方式进行空洞填充，以使得掩膜区域更加完整平滑，以便进一步提高定位的准确性。

实施例二

图3为本发明实施例二提供的一种图像定位方法的流程图，本实施例在上述实施例的基础上，对“根据感兴趣区域，对三维医学图像进行分割，得到分割掩膜结果”进行了进一步优化。其中与上述实施例相同或相应的术语的解释在此不再赘述。

参见图3，本实施例提供的图像定位方法具体包括以下步骤：

S210、获取乳腺部位在多个拍摄角度下获得的三维医学图像，并确定感兴趣区域。

S220、通过预设二维高斯模板，根据感兴趣区域对三维医学图像对应的各断层图像进行形状约束，确定形状约束后的三维约束图像。

其中，预设二维高斯模板可以是预先设置的一种形状模板，比如圆形高斯模板。例如，预设二维高斯模板N(x,y)可以表示为：

其中，x₀和y₀是感兴趣区域的中心点的坐标。σ_x和σ_y分别是高斯模板的尺度参数，表示高斯分布在x和y方向的标准差，由当前断层图像掩模区域尺寸估计：

具体地，由于感兴趣区域中的病灶区域周围可能存在其他腺体等组织，与病灶区域连接在一起，会对病灶区域的分割造成影响，从而需要对断层图像中的感兴趣区域进行形状约束，以截断感兴趣区域与病灶区域周围的高亮腺体的链接。通过利用预设二维高斯模板，可以对每个断层图像中的感兴趣区域进行形状约束，无需涉及z方向上的信息，从而可以更加便捷地获得第一约束图像。例如，形状约束后获得的第一约束图像h(x,y)＝f(x,y)×N(x,y)，其中，f(x,y)为断层图像。本实施例可以将对每个断层图像进行形状约束后获得的各个第一约束图像进行组合，获得形状约束后的三维约束图像。

示例性地，若对感兴趣区域进行采样，则通过预设二维高斯模板，对每个断层图像中采样后的感兴趣区域进行形状约束，以便减少数据处理量，提供定位速度。

S230、根据感兴趣区域，对三维约束图像进行分割，得到分割掩膜结果。

具体地，在三维约束图像上进行分割，可以避免病灶区域周围高亮腺体对分割结果的干扰，提升分割的精度和准确性，进而提高定位准确性。

S240、确定分割掩膜结果中的每个断层图像中掩膜区域的轮廓边界对应的平均梯度值，并根据各平均梯度值，从三维医学图像对应的各断层图像中确定目标断层图像。

本实施例的技术方案，通过利用预设二维高斯模板，对三维医学图像对应的每个断层图像进行形状约束，并在形状约束后的三维约束图像上进行分割，从而可以避免病灶区域周围高亮腺体对分割结果的干扰，提升了分割的精度和准确性，进而提高了定位准确性。

在上述技术方案的基础上，在S220可以包括：通过预设二维高斯模板，根据感兴趣区域对三维医学图像对应的各断层图像进行形状约束，确定每个断层图像对应的第一约束图像；将第一约束图像和相应的断层图像进行加权叠加，确定相应的第二约束图像；根据各个第二约束图像确定形状约束后的三维约束图像。

具体地，对断层图像进行形状约束后获得的第一约束图像与相应的断层图像进行加权叠加，获得相应的第二约束图像，将各个第二约束图像进行组合获得形状约束后的三维约束图像，在该三维约束图像上进行分析，可以避免分割结果受到预设二维高斯模板影响过大，进而影响分割结果的准确性的情况。例如，第一约束图像h(x,y)与相应的断层图像f(x,y)进行加权叠加获得的第二约束图像为f_New(x,y)＝λ×f(x,y)+(1-λ)×h(x,y)。其中，断层f(x,y)的权重λ可以根据分割精度要求和预设高斯模版的实际情况预先确定。相比于第一约束图像h(x,y)，第二约束图像f_New(x,y)受到的预设高斯模板影响较小，并且更接近于断层图像f(x,y)，从而对第二约束图像中的感兴趣区域进行分割，可以减少预设高斯模版对分割结果影响，保证分割结果的准确性。

以下是本发明实施例提供的图像定位装置的实施例，该装置与上述各实施例的图像定位方法属于同一个发明构思，在图像定位装置的实施例中未详尽描述的细节内容，可以参考上述图像定位方法的实施例。

实施例三

图4为本发明实施例三提供的一种图像定位装置的结构示意图，本实施例可适用于利用数字乳腺三维断层合成摄影设备采集的各个二维医学图像进行层内定位的情况，该装置具体包括：感兴趣区域确定模块310、分割模块320和目标断层图像确定模块330。

其中，感兴趣区域确定模块310，用于获取乳腺部位在多个拍摄角度下获得的三维医学图像，并确定感兴趣区域；分割模块320，用于根据感兴趣区域，对三维医学图像进行分割，得到分割掩膜结果；目标断层图像确定模块330，用于确定分割掩膜结果中的每个断层图像中掩膜区域的轮廓边界对应的平均梯度值，并根据各平均梯度值，从三维医学图像对应的各断层图像中确定目标断层图像。

可选地，分割模块320，具体用于：基于大津阈值分割方式，根据感兴趣区域对三维医学图像进行分割，得到分割掩膜结果。

可选地，分割模块320，还包括：

形状约束单元，用于通过预设二维高斯模板，根据感兴趣区域对三维医学图像对应的各断层图像进行形状约束，确定形状约束后的三维约束图像；

分割单元，用于根据感兴趣区域，对三维约束图像进行分割，得到分割掩膜结果。

可选地，形状约束单元，具体用于：通过预设二维高斯模板，根据感兴趣区域对三维医学图像对应的各断层图像进行形状约束，确定每个断层图像对应的第一约束图像；将第一约束图像和相应的断层图像进行加权叠加，确定相应的第二约束图像；根据各个第二约束图像确定形状约束后的三维约束图像。

可选地，该装置还包括：

掩膜区域更新模块，用于基于距离场的形态学，对分割掩膜结果中的每个断层图像中掩膜区域进行腐蚀操作和膨胀操作，以更新掩膜区域。

可选地，分割模块320，还包括：

采样单元，用于对感兴趣区域进行采样，确定采样后的感兴趣区域；

分割单元，还用于：根据采样后的感兴趣区域，对三维医学图像进行分割，得到分割掩膜结果。

可选地，目标断层图像确定模块330，用于：从各平均梯度值中确定出最大的平均梯度值，并将最大的平均梯度值对应的断层图像确定为目标断层图像。

本发明实施例所提供的图像定位装置可执行本发明任意实施例所提供的图像定位方法，具备执行图像定位方法相应的功能模块和有益效果。

值得注意的是，上述图像定位装置的实施例中，所包括的各个模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

实施例四

图5是本发明实施例四提供的一种设备的结构示意图。参见图5，该设备包括：

一个或多个处理器410；

存储器420，用于存储一个或多个程序；

当一个或多个程序被一个或多个处理器410执行，使得一个或多个处理器410实现如上述实施例中任意实施例所提供的图像定位方法，该方法包括：

根据感兴趣区域，对三维医学图像进行分割，得到分割掩膜结果；

确定分割掩膜结果中的每个断层图像中掩膜区域的轮廓边界对应的平均梯度值，并根据各平均梯度值，从三维医学图像对应的各断层图像中确定目标断层图像。

图5中以一个处理器410为例；设备中的处理器410和存储器420可以通过总线或其他方式连接，图5中以通过总线连接为例。

存储器420作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的图像定位方法对应的程序指令/模块(例如，图像定位装置中的感兴趣区域确定模块310、分割模块320和目标断层图像确定模块330)。处理器410通过运行存储在存储器420中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的图像定位方法。

存储器420主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据设备的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器420可进一步包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

本实施例提出的设备与上述实施例提出的图像定位方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例具备执行图像定位方法相同的有益效果。

实施例五

本实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所提供的图像定位方法步骤，该方法包括：

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于：电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

本领域普通技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个计算装置上，或者分布在多个计算装置所组成的网络上，可选地，他们可以用计算机装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件的结合。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims

1.一种图像定位方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，根据所述感兴趣区域，对所述三维医学图像进行分割，得到分割掩膜结果，包括：

基于大津阈值分割方式，根据所述感兴趣区域对所述三维医学图像进行分割，得到分割掩膜结果。

3.根据权利要求1所述的方法，其特征在于，根据所述感兴趣区域，对所述三维医学图像进行分割，得到分割掩膜结果，包括：

通过预设二维高斯模板，根据所述感兴趣区域对所述三维医学图像对应的各断层图像进行形状约束，确定形状约束后的三维约束图像；

根据所述感兴趣区域，对所述三维约束图像进行分割，得到分割掩膜结果。

4.根据权利要求3所述的方法，其特征在于，通过预设二维高斯模板，根据所述感兴趣区域对所述三维医学图像对应的各断层图像进行形状约束，确定形状约束后的三维约束图像，还包括：

通过预设二维高斯模板，根据所述感兴趣区域对所述三维医学图像对应的各断层图像进行形状约束，确定每个所述断层图像对应的第一约束图像；

将所述第一约束图像和相应的断层图像进行加权叠加，确定相应的第二约束图像；

根据各个所述第二约束图像确定形状约束后的三维约束图像。

5.根据权利要求1所述的方法，其特征在于，在根据所述感兴趣区域，对所述三维医学图像进行分割，得到分割掩膜结果之后，还包括：

基于距离场的形态学，对所述分割掩膜结果中的每个断层图像中掩膜区域进行腐蚀操作和膨胀操作，以更新所述掩膜区域。

6.根据权利要求1所述的方法，其特征在于，根据所述感兴趣区域，对所述三维医学图像进行分割，得到分割掩膜结果，包括：

对所述感兴趣区域进行采样，确定采样后的感兴趣区域；

根据所述采样后的感兴趣区域，对所述三维医学图像进行分割，得到分割掩膜结果。

7.根据权利要求1-6任一所述的方法，其特征在于，根据各所述平均梯度值，从所述三维医学图像对应的各断层图像中确定目标断层图像，包括：

从各所述平均梯度值中确定出最大的平均梯度值，并将所述最大的平均梯度值对应的断层图像确定为目标断层图像。

8.一种图像定位装置，其特征在于，包括：

9.一种设备，其特征在于，所述设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的图像定位方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的图像定位方法。