CN111462018A - 图像中的影像摆正方法、计算机设备和存储介质 - Google Patents
图像中的影像摆正方法、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111462018A CN111462018A CN202010290311.1A CN202010290311A CN111462018A CN 111462018 A CN111462018 A CN 111462018A CN 202010290311 A CN202010290311 A CN 202010290311A CN 111462018 A CN111462018 A CN 111462018A
- Authority
- CN
- China
- Prior art keywords
- medical image
- coordinates
- key points
- image
- dimensional medical
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 86
- 230000009466 transformation Effects 0.000 claims abstract description 97
- 238000001514 detection method Methods 0.000 claims abstract description 83
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000012549 training Methods 0.000 claims description 66
- 238000004590 computer program Methods 0.000 claims description 27
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 230000001131 transforming effect Effects 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000002372 labelling Methods 0.000 claims description 3
- 210000004556 brain Anatomy 0.000 description 19
- 230000008569 process Effects 0.000 description 19
- 230000006870 function Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 210000003484 anatomy Anatomy 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 210000005036 nerve Anatomy 0.000 description 4
- 238000013519 translation Methods 0.000 description 4
- HGBLNBBNRORJKI-WCABBAIRSA-N cyclacillin Chemical compound N([C@H]1[C@H]2SC([C@@H](N2C1=O)C(O)=O)(C)C)C(=O)C1(N)CCCCC1 HGBLNBBNRORJKI-WCABBAIRSA-N 0.000 description 3
- 238000012805 post-processing Methods 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 2
- 210000000877 corpus callosum Anatomy 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G06T5/80—
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
Abstract
本申请涉及一种图像中的影像摆正方法、计算机设备和存储介质。所述方法包括:将获取的待摆正的三维医学图像输入至关键点检测模型,得到待摆正的三维医学图像中的影像上的至少三个关键点的坐标;基于待摆正的三维医学图像中的影像上的至少三个关键点的坐标,确定至少三个关键点在摆正后的三维医学图像上的坐标;根据待摆正的三维医学图像中的影像上的至少三个关键点的坐标和至少三个关键点在摆正后的三维医学图像上的坐标,确定待摆正的三维医学图像和摆正后的三维医学图像之间的变换关系;利用变换关系对待摆正的三维医学图像进行变换处理,得到摆正后的三维医学图像;摆正后的三维医学图像中的影像为摆正后的影像。采用本方法能够节省时间。
Description
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中的影像摆正方法、计算机设备和存储介质。
背景技术
目前,在利用扫描设备对受检者进行扫描时,通常要求受检者平躺在扫描设备内部,且在扫描过程中保持姿势端正,但是在实际扫描过程中,受限于受检者的身体状况或者扫描设备的硬件限制等条件,受检者在扫描设备中的位置并不总是能满足要求,这样就会造成扫描得到的医学图像出现倾斜,从而不利于医生高效阅片,而且利用倾斜的医学图像进行后处理,这样得到的后处理结果也是不够准确的,因此,就需要对受检者的医学图像进行摆正。
相关技术中,一般是通过模板配准的方式对倾斜图像进行标准化操作,使倾斜图像处于较为标准的位置,即通过不断地对受检者的医学图像进行线性或非线性变换处理,最终将受检者的医学图像变换到和模板图像近似的位置上,得到摆正后的图像。
然而上述技术存在耗时的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够节省时间的图像中的影像摆正方法、计算机设备和存储介质。
一种图像中的影像摆正方法,该方法包括:
将获取的待摆正的三维医学图像输入至关键点检测模型,得到待摆正的三维医学图像中的影像上的至少三个关键点的坐标;
基于待摆正的三维医学图像中的影像上的至少三个关键点的坐标,确定至少三个关键点在摆正后的三维医学图像上的坐标;
根据待摆正的三维医学图像中的影像上的至少三个关键点的坐标和至少三个关键点在摆正后的三维医学图像上的坐标,确定待摆正的三维医学图像和摆正后的三维医学图像之间的变换关系;
利用变换关系对待摆正的三维医学图像进行变换处理,得到摆正后的三维医学图像;摆正后的三维医学图像中的影像为摆正后的影像。
在其中一个实施例中,上述基于待摆正的三维医学图像中的影像上的至少三个关键点的坐标,确定至少三个关键点在摆正后的三维医学图像上的坐标,包括:
根据待摆正的三维医学图像中的影像上的至少三个关键点的坐标,得到至少三个关键点中两两关键点之间的距离;
基于至少三个关键点中两两关键点之间的距离和待摆正的三维医学图像中的影像上的至少三个关键点的坐标,确定至少三个关键点在摆正后的三维医学图像上的坐标。
在其中一个实施例中,上述基于至少三个关键点中两两关键点之间的距离和待摆正的三维医学图像中的影像上的至少三个关键点的坐标,确定至少三个关键点在摆正后的三维医学图像上的坐标,包括:
基于待摆正的三维医学图像中的影像上的至少三个关键点的坐标,从至少三个关键点中确定一个参考点,以及从至少三个关键点的坐标对应的坐标轴中确定一个参考坐标轴;
将参考点的坐标沿参考坐标轴平移参考点和其他关键点中两两关键点之间的距离,得到其他关键点在摆正后的三维医学图像上的坐标;其他关键点为至少三个关键点中除参考点外的关键点。
在其中一个实施例中,上述方法还包括:
根据待摆正的三维医学图像上的至少三个关键点的坐标,得到待摆正的三维医学图像中的影像的偏转方向;
相应地,上述将参考点的坐标沿参考坐标轴平移参考点和其他关键点中两两关键点之间的距离,得到其他关键点在摆正后的三维医学图像上的坐标,包括:
基于偏转方向,将参考点的坐标沿参考坐标轴平移参考点和其他关键点中两两关键点之间的距离,得到其他关键点在摆正后的三维医学图像上的坐标。
在其中一个实施例中,上述利用变换关系对待摆正的三维医学图像进行变换处理,得到摆正后的三维医学图像,包括:
利用变换关系对摆正后的三维医学图像上各个第一像素点的坐标进行逆变换处理,得到各个第一像素点的坐标在待摆正的三维医学图像上对应的各个第二像素点的坐标;
基于各第二像素点的坐标,采用预设的插值算法确定各第二像素点对应的目标像素值;
将各第二像素点的目标像素值对应回填进各第一像素点,得到摆正后的三维医学图像。
在其中一个实施例中,上述基于各第二像素点的坐标,采用预设的插值算法确定各第二像素点对应的目标像素值,包括:
基于各第二像素点的坐标,确定与各第二像素点相邻的多个第二像素点;
采用预设的插值算法对与各第二像素点相邻的多个第二像素点的像素值进行插值处理,得到各第二像素点对应的目标像素值。
在其中一个实施例中,上述关键点检测模型的训练方法包括:
获取样本医学图像集,该样本医学图像集包括训练医学图像和训练医学图像中的影像对应的标注关键点坐标;
基于样本医学图像集对初始关键点检测模型进行训练,得到关键点检测模型。
在其中一个实施例中,上述基于样本医学图像集对初始关键点检测模型进行训练,得到关键点检测模型,包括:
将训练医学图像进行预处理后输入至初始关键点检测模型,得到训练医学图像中的影像上的预测关键点坐标;
计算标注关键点坐标和预测关键点坐标之间的损失,并利用损失对初始关键点检测模型进行训练,得到关键点检测模型。
一种图像中的影像摆正装置,该装置包括:
检测模块,用于将获取的待摆正的三维医学图像输入至关键点检测模型,得到待摆正的三维医学图像中的影像上的至少三个关键点的坐标;
第一确定模块,用于基于待摆正的三维医学图像中的影像上的至少三个关键点的坐标,确定至少三个关键点在摆正后的三维医学图像上的坐标;
第二确定模块,用于根据待摆正的三维医学图像中的影像上的至少三个关键点的坐标和至少三个关键点在摆正后的三维医学图像上的坐标,确定待摆正的三维医学图像和摆正后的三维医学图像之间的变换关系;
变换模块,用于利用变换关系对待摆正的三维医学图像进行变换处理,得到摆正后的三维医学图像;所述摆正后的三维医学图像中的影像为摆正后的影像。
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:
将获取的待摆正的三维医学图像输入至关键点检测模型,得到待摆正的三维医学图像中的影像上的至少三个关键点的坐标;
基于待摆正的三维医学图像中的影像上的至少三个关键点的坐标,确定至少三个关键点在摆正后的三维医学图像上的坐标;
根据待摆正的三维医学图像中的影像上的至少三个关键点的坐标和至少三个关键点在摆正后的三维医学图像上的坐标,确定待摆正的三维医学图像和摆正后的三维医学图像之间的变换关系;
利用变换关系对待摆正的三维医学图像进行变换处理,得到摆正后的三维医学图像;所述摆正后的三维医学图像中的影像为摆正后的影像。
一种计算机可读存储介质,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:
将获取的待摆正的三维医学图像输入至关键点检测模型,得到待摆正的三维医学图像中的影像上的至少三个关键点的坐标;
基于待摆正的三维医学图像中的影像上的至少三个关键点的坐标,确定至少三个关键点在摆正后的三维医学图像上的坐标;
根据待摆正的三维医学图像中的影像上的至少三个关键点的坐标和至少三个关键点在摆正后的三维医学图像上的坐标,确定待摆正的三维医学图像和摆正后的三维医学图像之间的变换关系;
利用变换关系对待摆正的三维医学图像进行变换处理,得到摆正后的三维医学图像;所述摆正后的三维医学图像中的影像为摆正后的影像。
上述图像中的影像摆正方法、装置、计算机设备和存储介质,通过关键点检测模型得到待摆正的三维医学图像上的关键点坐标,基于待摆正的三维医学图像上的关键点坐标得到关键点在摆正后的三维医学图像上的坐标,并基于关键点在待摆正的三维医学图像上的坐标以及在摆正后的三维医学图像上的坐标,得到待摆正的三维医学图像和摆正后的三维医学图像之间的变换关系,就可以利用该变换关系对待摆正的三维医学图像进行变换,得到摆正后的三维医学图像。在该方法中,由于可以通过关键点检测模型得到待摆正的三维医学图像上的关键点,为后续确定变换关系提供基础,而本方法也不需要人工去标注关键点,因此,本方法得到的关键点比较准确,且确定关键点的速度也比较快;另外,由于在确定变换关系时是通过变换前后关键点的坐标来确定的,该变换关系的确定过程比较简单,且不需要通过多次线性或非线性变换就可以得到,因此,本方法可以快速得到变换关系,进而在后续利用变换关系得到摆正后的三维医学图像时,也可以非常快速地得到,从而可以提高图像中的影像摆正的效率,即可以节省图像中的影像摆正的时间。
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2为一个实施例中图像中的影像摆正方法的流程示意图;
图2a为一个实施例中脑部图像中AC和PC连线的示意图;
图3为另一个实施例中图像中的影像摆正方法的流程示意图;
图3a为另一个实施例中待摆正的三维医学图像的示意图;
图3b为另一个实施例中摆正后的三维医学图像的示意图;
图4为另一个实施例中图像中的影像摆正方法的流程示意图;
图5为另一个实施例中图像中的影像摆正方法的流程示意图;
图6为一个实施例中图像中的影像摆正装置的结构框图。
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。
目前,在利用扫描设备对受检者进行扫描时,通常要求受检者平躺在扫描设备内部,且在扫描过程中保持姿势端正,但是在实际扫描过程中,受限于受检者的身体状况或者扫描设备的硬件限制等条件,受检者在扫描设备中的位置并不总是能满足要求,这样就会造成扫描得到的医学图像出现倾斜,而影像过度倾斜,既不利于医生阅片,且利用倾斜的医学图像进行后处理,这样得到的后处理结果也是不够准确的,因此,就需要对受检者的医学图像进行摆正。相关技术中,一般是通过模板配准的方式对倾斜图像进行标准化操作,使倾斜图像处于较为标准的位置,即通过不断地对受检者的医学图像进行线性或非线性变换处理,最终将受检者的医学图像变换到和模板图像近似的位置上,得到摆正后的图像。然而上述技术存在耗时的问题。基于此,本申请提供一种图像中的影像摆正方法、装置、计算机设备和存储介质,可以解决上述技术问题。
本申请提供的图像中的影像摆正方法,可以应用于计算机设备,该计算机设备可以是终端或服务器。以计算机设备是终端为例,其内部结构图可以如图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、通信接口、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。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种图像中的影像摆正方法。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计算机设备,也可以是图像中的影像摆正装置,下面就以计算机设备为执行主体来对本申请实施例的方法进行说明。
在一个实施例中,提供了一种图像中的影像摆正方法,本实施例涉及的是如何得到关键点在摆正前后的医学图像上的坐标,并通过关键点在摆正前后的医学图像上的坐标将待摆正的三维医学图像进行摆正的具体过程。如图2所示,该方法可以包括以下步骤:
S202,将获取的待摆正的三维医学图像输入至关键点检测模型,得到待摆正的三维医学图像中的影像上的至少三个关键点的坐标。
在本实施例中,待摆正的三维医学图像可以是对受检者的受检部位进行扫描得到的医学图像,那么得到的医学图像中的影像就为该受检部位的影像,可以是CT(ComputedTomography,电子计算机断层扫描)图像、PET(Positron Emission Computed Tomography,正电子发射型计算机断层显像)图像、MR(Magnetic Resonance,磁共振)图像、PET-MR图像、PET-CT图像等等。另外,待摆正的三维医学图像中包括受检部位,这里的受检部位可以是人体的脑部、胸部、腹部、腿部、全身等等。
以受检部位是人体脑部为例,通常在对受检者的脑部进行扫描之后,得到的脑部大致居于医学图像中央且各个方向偏转角较小的位置,这时得到医学图像可以称为是标准的医学图像,而实际情况中很多时候得到的脑部图像都不是标准的,这就需要对脑部图像进行摆正。
本步骤中在使用关键点检测模型得到关键点的坐标之前,也可以对关键点检测模型进行训练,关键点检测模型可以是神经网络模型,当然也可以是其他模型,本实施例主要以神经网络模型为例进行说明。关键点检测训练过程中一般需要提前在样本图像上标记好关键点(标记好同时就会得到标记的关键点的坐标,一般三维图像会标记至少三个关键点),而一般在脑部影像分析中,参见图2a所示,较为常见的脑结构关键点有两个,分别为前连合(anterior commissure,AC)点和后连合(posterior commissure,PC)点。AC-PC之间的连线一般作为重要的参考信息。当然还可以包括其他关键点,例如右眼底神经点、左眼底神经点和胼胝体中矢状位点等等。需要说明的是,这里选取的关键点一般都是相对位置比较固定,不管在图像倾斜还是图像处于标准位置,这些关键点的位置基本都是不变的。在标记好关键点之后就可以对关键点检测模型进行训练,以得到训练好的关键点检测模型。
在得到训练好的关键点检测模型之后,就可以将待摆正的三维医学图像输入进关键点检测模型,得到待摆正的三维医学图像中的影像上的关键点的坐标,这里一般训练关键点检测模型时标记了几个关键点,使用关键点检测模型时就会输出相同数量的关键点,所以这里得到的关键点数量为至少三个,即可以得到至少三个关键点在待摆正的三维医学图像上的坐标。
需要说明的是,一般对二维图像进行摆正需要两个关键点,对三维图像进行摆正需要三个关键点。
S204,基于待摆正的三维医学图像中的影像上的至少三个关键点的坐标,确定至少三个关键点在摆正后的三维医学图像上的坐标。
在本步骤中,根据各关键点在受检部位的解剖结构上的特性,可选的,假设这些关键点在摆正前后的医学图像上的位置是不变的,那么就可以将这些关键点在待摆正的三维医学图像上的坐标直接作为这些关键点在摆正后的三维医学图像上的坐标;可选的,假设这些关键点在摆正前后的医学图像上的相对位置是不变的,那么就可以通过这些关键点在待摆正的三维医学图像上的坐标计算出这些关键点之间的相对距离,然后将这些关键点在待摆正的三维医学图像上的坐标平移计算得到的相对距离,得到这些关键点在摆正后的三维医学图像上的坐标。当然也可以有其他的计算方式,本实施例对此不作具体限定。
S206,根据待摆正的三维医学图像中的影像上的至少三个关键点的坐标和至少三个关键点在摆正后的三维医学图像上的坐标,确定待摆正的三维医学图像和摆正后的三维医学图像之间的变换关系。
在本步骤中,这里的变换关系可以是变换矩阵等形式;在得到至少三个关键点在摆正前后的图像上的坐标之后,可以采用待定系数方法、奇异值分解方法、Levenberg-Marquardt(列文伯格-马夸尔特法)方法等,对至少三个关键点在摆正前后的图像上的坐标进行计算,得到至少三个关键点在摆正前后的图像上的坐标之间的变换关系,该变换关系可以作为待摆正的三维医学图像和摆正后的三维医学图像之间的变换关系。
示例地,假设至少三个关键点在待摆正的三维医学图像中的影像上的坐标分别为X1、X2、X3,变换关系为C,至少三个关键点在摆正后的三维医学图像上的坐标分别为Y1、Y2、Y3,那么可以得到关系式(X1,X2,X3)·C=(Y1,Y2,Y3),通过采用待定系数方法、奇异值分解方法、Levenberg-Marquardt等对该关系式进行求解,就可以得到变换关系C。
需要说明的是,本步骤通过对上述一个关系式进行求解就可以得到变换关系C,而不需要进行多次线性或非线性变换计算,因此可以在一定程度上加快得到变换关系的速度,节省图像摆正的时间。
S208,利用变换关系对待摆正的三维医学图像进行变换处理,得到摆正后的三维医学图像;摆正后的三维医学图像中的影像为摆正后的影像。
在本步骤中,在利用变换关系对待摆正的三维医学图像进行变换处理时,可以对待摆正的三维医学图像上的各个像素点/体素点进行变换处理,在对每个像素点/体素点进行变换处理时,可以是对每个像素点/体素点上的像素值/体素值进行变换处理,也可以是对每个像素点/体素点上的坐标进行变换处理,本实施例对此不作具体限定。
另外,上述在得到至少三个关键点在待摆正的三维医学图像上的坐标之后,通过这些关键点的坐标,也可以得到受检部位的偏转方向,例如待摆正的三维医学图像上受检部位的关键点A在B关键点的左边,那么在摆正后的三维医学图像上,依旧是关键点A在B关键点的左边。
需要说明的是,本实施例实质上是对医学图像中的影像进行摆正,也就是说,在摆正前,医学图像中的影像可能是歪的,通过摆正,就可以将医学图像中的影像摆正,得到一个摆正的影像,便于后续对医学图像上的影像进行后处理等。
具体的,在得到变换关系之后,可以对待摆正的三维医学图像上的各个像素点/体素点进行变换处理,得到待摆正的三维医学图像上的各个像素点/体素点在摆正后的三维医学图像上对应的各个像素点/体素点,然后将摆正后的三维医学图像上对应的各个像素点/体素点组合起来就可以得到摆正后的三维医学图像。
上述图像中的影像摆正方法中,通过关键点检测模型得到待摆正的三维医学图像上的关键点坐标,基于待摆正的三维医学图像上的关键点坐标得到关键点在摆正后的三维医学图像上的坐标,并基于关键点在待摆正的三维医学图像上的坐标以及在摆正后的三维医学图像上的坐标,得到待摆正的三维医学图像和摆正后的三维医学图像之间的变换关系,就可以利用该变换关系对待摆正的三维医学图像进行变换,得到摆正后的三维医学图像。在该方法中,由于可以通过关键点检测模型得到待摆正的三维医学图像上的关键点,为后续确定变换关系提供基础,而本方法也不需要人工去标注关键点,因此,本方法得到的关键点比较准确,且确定关键点的速度也比较快;另外,由于在确定变换关系时是通过变换前后关键点的坐标来确定的,该变换关系的确定过程比较简单,且不需要通过多次线性或非线性变换就可以得到,因此,本方法可以快速得到变换关系,进而在后续利用变换关系得到摆正后的三维医学图像时,也可以非常快速地得到,从而可以提高图像摆正的效率,即可以节省图像摆正的时间。
在另一个实施例中,提供了另一种图像中的影像摆正方法,本实施例涉及的是根据关键点在待摆正的三维医学图像上的坐标如何得到关键点在摆正前后的医学图像上的坐标的具体过程。在上述实施例的基础上,如图3所示,上述S204可以包括以下步骤:
S302,根据待摆正的三维医学图像中的影像上的至少三个关键点的坐标,得到至少三个关键点中两两关键点之间的距离。
在本步骤中,在得到各关键点在待摆正的三维医学图像上的坐标之后,可以通过两点之间的距离公式求取任意两个关键点之间的距离,得到待摆正的三维医学图像上任意两个关键点之间的坐标。
示例地,假设关键点A和B在待摆正的三维医学图像上的坐标分别为(x1,y1),(x2,y2),那么关键点A和B之间的距离就可以用公式(1)进行计算:
通过公式(1)就可以求解得到任意两个关键点之间的距离,需要说明的是,公式(1)给出的是二维坐标点的距离计算方式,其只是示例,本实施例也可以利用其它现有公式计算三维坐标点之间的距离,本实施例在此不作列举。
示例地,继续以上述受检部位为脑部、脑部中的关键点为AC点、PC点为例,其中AC-PC两点连线一般作为重要的参考信息,经过研究表明,不同受检者的AC-PC基本不变,通常在一幅图像中(以世界坐标系/RAI坐标系为例),AC点和PC点的X、Z坐标一致且脑部图像沿AC、PC所在的YZ平面左右对称时,脑部医学影像处于较为标准的摆放位置。那么在本实施例中,根据AC点和PC点的坐标就可以计算得到AC点和PC点之间的距离。
S304,基于至少三个关键点中两两关键点之间的距离和待摆正的三维医学图像中的影像上的至少三个关键点的坐标,确定至少三个关键点在摆正后的三维医学图像上的坐标。
在本实施例中,可选的,上述至少三个关键点的坐标包括至少一个坐标轴上的坐标值。也就是说,每个关键点的坐标可以是一维坐标、二维坐标、三维坐标等等,关键点每个维度上的坐标值分别对应每个坐标轴上的坐标值,坐标轴在这里可以是X、Y、Z轴等等。
可选的,具体计算关键点在摆正后的三维医学图像上的坐标的过程可以包括以下步骤A1-A2:
步骤A1,基于待摆正的三维医学图像中的影像上的至少三个关键点的坐标,从至少三个关键点中确定一个参考点,以及从至少三个关键点的坐标对应的坐标轴中确定一个参考坐标轴。
步骤A2,将参考点的坐标沿参考坐标轴平移参考点和其他关键点中两两关键点之间的距离,得到其他关键点在摆正后的三维医学图像上的坐标;其他关键点为至少三个关键点中除参考点外的关键点。
在步骤A1-A2中,可以是坐标加约束条件的方式来确定参考点和参考坐标轴,这里的约束条件指的是根据受检部位的解剖结构特性,选取在摆正前后的医学图像上的坐标都不变的一个关键点作为参考点,同时也可以选取其他关键点和参考点在某一个坐标轴上的坐标值不相同的坐标轴作为参考坐标轴。
示例地,假设继续以上述AC点和PC点为例,再加上第三个关键点,记为TC点,其中在摆正前后的医学图像上,AC点在医学图像中的位置是不变的,所以可以选取AC点作为参考点(当然对于其他受检部位的医学图像,也可以选取出摆正前后位置不变的关键点作为参考点),由于在AC点和PC点的X、Z坐标一致,且脑部图像沿AC、PC所在的YZ平面左右对称时,脑部医学影像处于较为标准的摆放位置,也就是说,就可以将Y轴作为AC点和PC点之间的参考坐标轴,在参考点和参考坐标轴确定好之后,那么不论AC点和PC点在待摆正的三维医学图像上的坐标是什么,以AC点为参考点,可以将AC点的坐标值沿Y轴平移AC-PC之间的距离,这样得到的坐标就是PC点在摆正后的三维医学图像上的坐标。假设TC点和AC点的X、Y坐标一致,Z轴为AC点和TC点之间的参考坐标轴,那么可以将AC点的坐标值沿Z轴平移AC-TC之间的距离,这样得到的坐标就是TC点在摆正后的三维医学图像上的坐标。假设AC点和PC点、TC点在待摆正的三维医学图像上的坐标为三维坐标(x1,y1,z1)和(x2,y2,z2)、(x3,y3,z3),AC和PC之间的距离为L1,AC和TC之间的距离为L2,那么AC点在摆正后的三维医学图像上的坐标还是为(x1,y1,z1),可以通过将AC点的坐标中的y1加上或减去L1,其他两个坐标值不变,得到PC在摆正后的三维医学图像上的坐标为(x1,y1±L1,z1),同时可以将AC点的坐标中的z1加上或减去L2,其他两个坐标值不变,得到TC在摆正后的三维医学图像上的坐标为(x1,y1,z1±L2)。
参见图3a和图3b所示,图3a为待摆正的三维医学图像,图3b为摆正后的三维医学图像,三幅图分别为水平面、矢状面和冠状面上的图,其上均标记出了AC点和PC点,可见图3a中脑部图像是歪的,而在图3b中脑部图像是正的,从图3b中也可以看出AC和PC在X轴和Z轴上的坐标相同,只有Y轴上的坐标不同,那么通过在摆正后的三维医学图像上将AC点的坐标沿着Y轴方向平移就可以得到PC点的坐标。从图3a和图3b也可以看出,采用本实施例的方法可以准确地对图像进行摆正,得到的摆正后的三维医学图像的精度也是比较高的。
也就是说,如果得到三个以上关键点,那么可以分别确定出参考点和其他各关键点之间的距离,以及其他关键点各自对应的参考坐标轴,然后将参考点沿其他关键点各自的参考坐标轴平移其他各关键点对应的距离,得到其他各关键点在摆正后的三维医学图像上的坐标。
在上述得到其他关键点在摆正后的三维医学图像上的坐标时,由于没有说明平移方向,那么在平移时就有可能会沿着参考坐标轴的两个不同方向去平移,这样最终得到的受检部位的医学图像就有可能是不对的,所以这里就需要确定平移方向,也就是确定受检部位的偏转方向,这样可以使得到的受检部位的结构方向是正确的。可选的,上述方法还可以包括以下步骤B1:
步骤B1,根据待摆正的三维医学图像上的至少三个关键点的坐标,得到待摆正的三维医学图像中的影像的偏转方向。
相应地,上述A3可以包括以下步骤B2:
步骤B2,基于偏转方向,将参考点的坐标沿参考坐标轴平移参考点和其他关键点中两两关键点之间的距离,得到其他关键点在摆正后的三维医学图像上的坐标。
这里的偏转方向,指的是医学图像中的影像需要转动的方向,可以通过比较各关键点在待摆正的三维医学图像上的坐标,得到各关键点之间的相对位置信息,根据各关键点间的相对位置信息得到偏转方向,例如通过比较待摆正的三维医学图像上受检部位的关键点A和B的坐标,可知待摆正的三维医学图像上受检部位的关键点A在B关键点的左边,那么在摆正后的三维医学图像上,依旧是关键点A在B关键点的左边,那么在将A点作为参考点,平移A点的坐标时,就可以向右边平移,而不能向左边平移,这样得到的B点的坐标就是比较准确的,相应地,最后得到的受检部位的结构也是比较准确的。
本实施例提供的图像中的影像摆正方法,可以基于待摆正的三维医学图像上的各关键点的坐标,得到各关键点之间的距离,并基于各关键点之间的距离和各关键点在待摆正的三维医学图像的坐标以及约束条件,得到各关键点在摆正后的三维医学图像上的坐标。在本实施例中,由于可以通过各关键点之间的距离和约束条件就可以得到各关键点在摆正后的三维医学图像上的坐标,该计算过程较为简单直观,因此,本实施例的方法可以在一定程度上节省图像中的影像摆正的时间。
在另一个实施例中,提供了另一种图像中的影像摆正方法,本实施例涉及的是如何利用变换关系对待摆正的三维医学图像进行变换处理的具体过程。在上述实施例的基础上,如图4所示,上述S208可以包括以下步骤:
S402,利用变换关系对摆正后的三维医学图像上各个第一像素点的坐标进行逆变换处理,得到各个第一像素点的坐标在待摆正的三维医学图像上对应的各个第二像素点的坐标。
在本实施例中,假设上述得到的变换关系为变换矩阵,那么可以先对该变换矩阵进行求逆,得到该变换矩阵对应的逆变换矩阵。摆正后的三维医学图像的坐标系可以根据实际情况确定,一般和待摆正的三维医学图像的坐标系一致,例如都可以是将图像左上角的点作为原点,频率编码方向和相位编码方向及选层方向作为坐标系的方向建立得到。通过建立的坐标系就可以得到摆正后的三维医学图像上各个像素点的坐标,这里摆正后的三维医学图像上的各个像素点记为各个第一像素点。
在得到各个第一像素点的坐标之后,可以将各个第一像素点的坐标分别与上述逆变换矩阵做乘法,这样就可以得到各个第一像素点的坐标经过逆变换后对应的坐标,分别记为各第二像素点的坐标。
S404,基于各第二像素点的坐标,采用预设的插值算法确定各第二像素点对应的目标像素值。
在本步骤中,可选的,可以采用如下步骤C1和C2确定各第二像素点对应的目标像素值:
步骤C1,基于各第二像素点的坐标,确定与各第二像素点相邻的多个第二像素点。
步骤C2,采用预设的插值算法对与各第二像素点相邻的多个第二像素点的像素值进行插值处理,得到各第二像素点对应的目标像素值。
在步骤C1和C2中,由于各个第一像素点的坐标对应到各第二像素点的坐标时,有可能会出现第二像素点的坐标为小数的情况,一般像素点的坐标都是整数,如果单纯使用该第二像素点临近的一个整数坐标上的像素值作为该第二像素点上的像素值,很明显这样是不准确的,那么就有可能会出现图像信息损失的问题,因此这里为了避免图像信息的损失,这里不论得到的各第二像素点的坐标是否为小数,都会选择与各第二像素点的坐标临近的多个整数坐标的第二像素点,作为该第二像素点的参考像素点,然后通过线性插值的方法,当然也可以是其他插值方法,对该第二像素点临近的多个整数像素点上的像素值进行加权求和并取平均,并将最后得到的均值作为该第二像素点的目标像素值。其中,这里可以采用与各第二像素点相邻的8邻域的第二像素点作为其对应的参考像素点,当然也可以选取其他邻域数值。上述加权求和中的权重可以是该第二像素点与各相邻第二像素点之间的距离。
示例地,假设计算得到的第二像素点的坐标为(0.7,2.8,1.5),那么可以得到与其相邻的8个整数像素点,分别为(0,2,1)、(0,3,1)、(0,3,2)、(0,2,2)、(1,2,1)、(1,3,1)、(1,3,2)、(1,2,2),相应的,也可以在待摆正的三维医学图像上得到这8个第二像素点上的像素值,然后计算得到这8个第二像素点的坐标与(0.7,2.8,1.5)之间的距离,得到8个距离值,并依据得到的8个距离值,对得到的8个像素值进行加权取平均,得到最终的平均值,作为(0.7,2.8,1.5)点的目标像素值。
S406,将各第二像素点的目标像素值对应回填进各第一像素点,得到摆正后的三维医学图像。
具体的,在得到各第二像素点的目标像素值之后,就可以将每个第二像素点的目标像素值填入与其对应的第一像素点的位置上,在所有的第一像素点都填满之后,就可以得到摆正后的三维医学图像。
本实施例提供的图像中的影像摆正方法,可以利用变换关系对摆正后的三维医学图像上的各个第一像素点的坐标进行变换处理,将各个第一像素点对应到待摆正的三维医学图像上,得到对应的各第二像素点,利用预设的插值算法得到各第二像素点上的目标像素值,并将各第二像素点上的目标像素值对应回填至各第一像素点上,得到摆正后的三维医学图像。在本实施例中,由于可以采用插值算法计算各第二像素点上的目标像素值,并利用插值后的目标像素值进行回填,从而可以尽可能地减少图像摆正之后信息的损失,进而可以使最终得到的摆正后的三维医学图像的精度更高,也更准确。
在另一个实施例中,提供了另一种图像中的影像摆正方法,本实施例涉及的是如何对关键点检测模型进行训练的具体过程。在上述实施例的基础上,如图5所示,上述关键点检测模型的训练过程可以包括以下步骤:
S502,获取样本医学图像集,该样本医学图像集包括训练医学图像和训练医学图像中的影像对应的标注关键点坐标。
其中,这里的训练医学图像可以是对人体任意受检部位进行扫描得到的医学图像,然后可以依据受检部位的解剖结构特性,在每个训练医学图像上标记出关键点的坐标,得到标记好的样本医学图像集。
以受检部位为脑部为例,这里医学图像中的影像就为脑部影像,可以根据人的头部的生理解剖结构,标记出较为稳定的,在图像空间中坐标关系较为特殊的且便于关键点检测模型学习的多个关键点,包括AC点、PC点、右眼底神经点、左眼底神经点和胼胝体中矢状位点共5个关键点,当然也可以包括其他关键点。
S504,基于样本医学图像集对初始关键点检测模型进行训练,得到关键点检测模型。
在训练关键点检测模型时,可选的,可以将训练医学图像进行预处理后输入至初始关键点检测模型,得到训练医学图像中的影像上的预测关键点坐标;计算标注关键点坐标和预测关键点坐标之间的损失,并利用损失对初始关键点检测模型进行训练,得到关键点检测模型。这里的预处理可以是对训练医学图像进行尺寸归一化、裁剪等处理,在训练时也可以采用adam优化器对模型进行训练;另外,在这里,损失可以是标注关键点坐标和预测关键点之间的误差、方差、范数等;损失函数在这里可以是Dice损失函数、Focal Loss函数等等;在训练关键点检测模型时,当关键点检测模型的损失函数的和值小于预设的阈值时,或者当损失函数的和值基本稳定时(即不再发生变化时),则可以确定关键点检测模型已经训练好,否则还要继续训练,当训练好时可以固定关键点检测模型的参数,便于下一步得到关键点的坐标时使用。
本实施例提供的图像中的影像摆正方法,可以对关键点检测模型进行训练,训练过程为:获取样本医学图像集,该样本医学图像集包括训练医学图像和训练医学图像对应的标注关键点坐标;基于样本医学图像集对初始关键点检测模型进行训练,得到关键点检测模型。在本实施例中,由于可以利用训练好的关键点检测模型得到待摆正的三维医学图像上的关键点的坐标,而训练好的关键点检测模型是利用标注关键点坐标进行训练得到的,那么得到的关键点检测模型是比较准确的,进而再利用该准确的关键点检测模型对待摆正的三维医学图像进行处理时,得到的待摆正的三维医学图像上的关键点的坐标也是更加准确的。
在另一个实施例中,为了便于对本申请的技术方案进行更详细的说明,以下结合一个更加详细的实施例加以说明,该方法可以包括以下步骤S1-S11:
S1,获取样本医学图像集,该样本医学图像集包括训练医学图像和训练医学图像对应的标注关键点坐标;基于样本医学图像集对初始关键点检测模型进行训练,得到关键点检测模型。
S2,将获取的待摆正的三维医学图像输入至关键点检测模型,得到待摆正的三维医学图像上的至少三个关键点的坐标。
S3,根据待摆正的三维医学图像上的至少三个关键点的坐标,得到至少三个关键点中两两关键点之间的距离。
S4,基于待摆正的三维医学图像上的至少三个关键点的坐标,从至少三个关键点中确定一个参考点,以及从至少三个关键点的坐标对应的坐标轴中确定一个参考坐标轴。
S5,根据待摆正的三维医学图像上的至少三个关键点的坐标,得到待摆正的三维医学图像中的受检部位的偏转方向。
S6,基于偏转方向,将参考点的坐标沿参考坐标轴平移参考点和其他关键点中两两关键点之间的距离,得到其他关键点在摆正后的三维医学图像上的坐标。
S7,根据待摆正的三维医学图像上的至少三个关键点的坐标和至少三个关键点在摆正后的三维医学图像上的坐标,确定待摆正的三维医学图像和摆正后的三维医学图像之间的变换关系。
S8,利用变换关系对摆正后的三维医学图像上各个第一像素点的坐标进行逆变换处理,得到各个第一像素点的坐标在待摆正的三维医学图像上对应的各个第二像素点的坐标。
S9,基于各第二像素点的坐标,确定与各第二像素点相邻的多个第二像素点。
S10,采用预设的插值算法对与各第二像素点相邻的多个第二像素点的像素值进行插值处理,得到各第二像素点对应的目标像素值。
S11,将各第二像素点的目标像素值对应回填进各第一像素点,得到摆正后的三维医学图像。
应该理解的是,虽然图2-5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2-5中的至少一部分步骤可以包括多个步骤或者多个阶段,这些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中的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6所示,提供了一种图像中的影像摆正装置,包括:检测模块10、第一确定模块11、第二确定模块12和变换模块13,其中:
检测模块10,用于将获取的待摆正的三维医学图像输入至关键点检测模型,得到待摆正的三维医学图像中的影像上的至少三个关键点的坐标;
第一确定模块11,用于基于待摆正的三维医学图像中的影像上的至少三个关键点的坐标,确定至少三个关键点在摆正后的三维医学图像上的坐标;
第二确定模块12,用于根据待摆正的三维医学图像中的影像上的至少三个关键点的坐标和至少三个关键点在摆正后的三维医学图像上的坐标,确定待摆正的三维医学图像和摆正后的三维医学图像之间的变换关系;
变换模块13,用于利用变换关系对待摆正的三维医学图像进行变换处理,得到摆正后的三维医学图像;摆正后的三维医学图像中的影像为摆正后的影像。
关于图像中的影像摆正装置的具体限定可以参见上文中对于图像中的影像摆正方法的限定,在此不再赘述。
在另一个实施例中,提供了另一种图像中的影像摆正装置,在上述实施例的基础上,上述第一确定模块11可以包括计算单元和第一确定单元,其中:
计算单元,用于根据待摆正的三维医学图像中的影像上的至少三个关键点的坐标,得到至少三个关键点中两两关键点之间的距离;
第一确定单元,用于基于至少三个关键点中两两关键点之间的距离和待摆正的三维医学图像中的影像上的至少三个关键点的坐标,确定至少三个关键点在摆正后的三维医学图像上的坐标。
可选的,上述第一确定单元,还用于基于待摆正的三维医学图像中的影像上的至少三个关键点的坐标,从至少三个关键点中确定一个参考点,以及从至少三个关键点的坐标对应的坐标轴中确定一个参考坐标轴;将参考点的坐标沿参考坐标轴平移参考点和其他关键点中两两关键点之间的距离,得到其他关键点在摆正后的三维医学图像上的坐标;其他关键点为至少三个关键点中除参考点外的关键点。
可选的,上述装置还可以包括第三确定模块,其中,该第三确定模块,用于根据待摆正的三维医学图像上的至少三个关键点的坐标,得到待摆正的三维医学图像中的影像的偏转方向;相应地,上述第一确定单元,还用于基于偏转方向,将参考点的坐标沿参考坐标轴平移参考点和其他关键点中两两关键点之间的距离,得到其他关键点在摆正后的三维医学图像上的坐标。
在另一个实施例中,提供了另一种图像中的影像摆正装置,在上述实施例的基础上,上述变换模块13可以包括变换单元、第二确定单元和回填单元,其中:
变换单元,用于利用变换关系对摆正后的三维医学图像上各个第一像素点的坐标进行逆变换处理,得到各个第一像素点的坐标在待摆正的三维医学图像上对应的各个第二像素点的坐标;
第二确定单元,用于基于各第二像素点的坐标,采用预设的插值算法确定各第二像素点对应的目标像素值;
回填单元,用于将各第二像素点的目标像素值对应回填进各第一像素点,得到摆正后的三维医学图像。
可选的,上述第二确定单元,还用于基于各第二像素点的坐标,确定与各第二像素点相邻的多个第二像素点;采用预设的插值算法对与各第二像素点相邻的多个第二像素点的像素值进行插值处理,得到各第二像素点对应的目标像素值。
在另一个实施例中,提供了另一种图像中的影像摆正装置,在上述实施例的基础上,上述装置还可以包括训练模块,其中,该训练模块包括获取单元和训练单元,其中:
获取单元,用于获取样本医学图像集,该样本医学图像集包括训练医学图像和训练医学图像中的影像对应的标注关键点坐标;
训练单元,用于基于样本医学图像集对初始关键点检测模型进行训练,得到关键点检测模型。
可选的,上述训练单元,还用于将训练医学图像进行预处理后输入至初始关键点检测模型,得到训练医学图像中的影像上的预测关键点坐标;计算标注关键点坐标和预测关键点坐标之间的损失,并利用损失对初始关键点检测模型进行训练,得到关键点检测模型。
关于图像中的影像摆正装置的具体限定可以参见上文中对于图像中的影像摆正方法的限定,在此不再赘述。
上述图像中的影像摆正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:
将获取的待摆正的三维医学图像输入至关键点检测模型,得到待摆正的三维医学图像中的影像上的至少三个关键点的坐标;
基于待摆正的三维医学图像中的影像上的至少三个关键点的坐标,确定至少三个关键点在摆正后的三维医学图像上的坐标;
根据待摆正的三维医学图像中的影像上的至少三个关键点的坐标和至少三个关键点在摆正后的三维医学图像上的坐标,确定待摆正的三维医学图像和摆正后的三维医学图像之间的变换关系;
利用变换关系对待摆正的三维医学图像进行变换处理,得到摆正后的三维医学图像;摆正后的三维医学图像中的影像为摆正后的影像。
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:
根据待摆正的三维医学图像中的影像上的至少三个关键点的坐标,得到至少三个关键点中两两关键点之间的距离;基于至少三个关键点中两两关键点之间的距离和待摆正的三维医学图像中的影像上的至少三个关键点的坐标,确定至少三个关键点在摆正后的三维医学图像上的坐标。
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:
基于待摆正的三维医学图像中的影像上的至少三个关键点的坐标,从至少三个关键点中确定一个参考点,以及从至少三个关键点的坐标对应的坐标轴中确定一个参考坐标轴;将参考点的坐标沿参考坐标轴平移参考点和其他关键点中两两关键点之间的距离,得到其他关键点在摆正后的三维医学图像上的坐标;其他关键点为至少三个关键点中除参考点外的关键点。
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:
根据待摆正的三维医学图像上的至少三个关键点的坐标,得到待摆正的三维医学图像中的受检部位的偏转方向;基于偏转方向,将参考点的坐标沿参考坐标轴平移参考点和其他关键点中两两关键点之间的距离,得到其他关键点在摆正后的三维医学图像上的坐标。
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:
利用变换关系对摆正后的三维医学图像上各个第一像素点的坐标进行逆变换处理,得到各个第一像素点的坐标在待摆正的三维医学图像上对应的各个第二像素点的坐标;基于各第二像素点的坐标,采用预设的插值算法确定各第二像素点对应的目标像素值;将各第二像素点的目标像素值对应回填进各第一像素点,得到摆正后的三维医学图像。
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:
基于各第二像素点的坐标,确定与各第二像素点相邻的多个第二像素点;采用预设的插值算法对与各第二像素点相邻的多个第二像素点的像素值进行插值处理,得到各第二像素点对应的目标像素值。
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:
获取样本医学图像集,该样本医学图像集包括训练医学图像和训练医学图像中的影像对应的标注关键点坐标;基于样本医学图像集对初始关键点检测模型进行训练,得到关键点检测模型。
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:
将训练医学图像进行预处理后输入至初始关键点检测模型,得到训练医学图像中的影像上的预测关键点坐标;计算标注关键点坐标和预测关键点坐标之间的损失,并利用损失对初始关键点检测模型进行训练,得到关键点检测模型。
在一个实施例中,提供了一种计算机可读存储介质,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:
将获取的待摆正的三维医学图像输入至关键点检测模型,得到待摆正的三维医学图像中的影像上的至少三个关键点的坐标;
基于待摆正的三维医学图像中的影像上的至少三个关键点的坐标,确定至少三个关键点在摆正后的三维医学图像上的坐标;
根据待摆正的三维医学图像中的影像上的至少三个关键点的坐标和至少三个关键点在摆正后的三维医学图像上的坐标,确定待摆正的三维医学图像和摆正后的三维医学图像之间的变换关系;
利用变换关系对待摆正的三维医学图像进行变换处理,得到摆正后的三维医学图像;摆正后的三维医学图像中的影像为摆正后的影像。
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:
根据待摆正的三维医学图像中的影像上的至少三个关键点的坐标,得到至少三个关键点中两两关键点之间的距离;基于至少三个关键点中两两关键点之间的距离和待摆正的三维医学图像中的影像上的至少三个关键点的坐标,确定至少三个关键点在摆正后的三维医学图像上的坐标。
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:
基于待摆正的三维医学图像中的影像上的至少三个关键点的坐标,从至少三个关键点中确定一个参考点,以及从至少三个关键点的坐标对应的坐标轴中确定一个参考坐标轴;将参考点的坐标沿参考坐标轴平移参考点和其他关键点中两两关键点之间的距离,得到其他关键点在摆正后的三维医学图像上的坐标;其他关键点为至少三个关键点中除参考点外的关键点。
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:
根据待摆正的三维医学图像上的至少三个关键点的坐标,得到待摆正的三维医学图像中的受检部位的偏转方向;基于偏转方向,将参考点的坐标沿参考坐标轴平移参考点和其他关键点中两两关键点之间的距离,得到其他关键点在摆正后的三维医学图像上的坐标。
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:
利用变换关系对摆正后的三维医学图像上各个第一像素点的坐标进行逆变换处理,得到各个第一像素点的坐标在待摆正的三维医学图像上对应的各个第二像素点的坐标;基于各第二像素点的坐标,采用预设的插值算法确定各第二像素点对应的目标像素值;将各第二像素点的目标像素值对应回填进各第一像素点,得到摆正后的三维医学图像。
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:
基于各第二像素点的坐标,确定与各第二像素点相邻的多个第二像素点;采用预设的插值算法对与各第二像素点相邻的多个第二像素点的像素值进行插值处理,得到各第二像素点对应的目标像素值。
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:
获取样本医学图像集,该样本医学图像集包括训练医学图像和训练医学图像中的影像对应的标注关键点坐标;基于样本医学图像集对初始关键点检测模型进行训练,得到关键点检测模型。
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:
将训练医学图像进行预处理后输入至初始关键点检测模型,得到训练医学图像中的影像上的预测关键点坐标;计算标注关键点坐标和预测关键点坐标之间的损失,并利用损失对初始关键点检测模型进行训练,得到关键点检测模型。
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易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)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 (10)
1.一种图像中的影像摆正方法,其特征在于,所述方法包括:
将获取的待摆正的三维医学图像输入至关键点检测模型,得到所述待摆正的三维医学图像中的影像上的至少三个关键点的坐标;
基于所述待摆正的三维医学图像中的影像上的至少三个关键点的坐标,确定所述至少三个关键点在摆正后的三维医学图像上的坐标;
根据所述待摆正的三维医学图像中的影像上的至少三个关键点的坐标和所述至少三个关键点在摆正后的三维医学图像上的坐标,确定所述待摆正的三维医学图像和摆正后的三维医学图像之间的变换关系;
利用所述变换关系对所述待摆正的三维医学图像进行变换处理,得到所述摆正后的三维医学图像;所述摆正后的三维医学图像中的影像为摆正后的影像。
2.根据权利要求1所述的方法,其特征在于,所述基于所述待摆正的三维医学图像中的影像上的至少三个关键点的坐标,确定所述至少三个关键点在摆正后的三维医学图像上的坐标,包括:
根据所述待摆正的三维医学图像中的影像上的至少三个关键点的坐标,得到所述至少三个关键点中两两关键点之间的距离;
基于所述至少三个关键点中两两关键点之间的距离和所述待摆正的三维医学图像中的影像上的至少三个关键点的坐标,确定所述至少三个关键点在摆正后的三维医学图像上的坐标。
3.根据权利要求2所述的方法,其特征在于,所述基于所述至少三个关键点中两两关键点之间的距离和所述待摆正的三维医学图像中的影像上的至少三个关键点的坐标,确定所述至少三个关键点在摆正后的三维医学图像上的坐标,包括:
基于所述待摆正的三维医学图像中的影像上的至少三个关键点的坐标,从所述至少三个关键点中确定一个参考点,以及从所述至少三个关键点的坐标对应的坐标轴中确定一个参考坐标轴;
将所述参考点的坐标沿所述参考坐标轴平移所述参考点和其他关键点中两两关键点之间的距离,得到所述其他关键点在摆正后的三维医学图像上的坐标;所述其他关键点为所述至少三个关键点中除所述参考点外的关键点。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
根据所述待摆正的三维医学图像上的至少三个关键点的坐标,得到所述待摆正的三维医学图像中的影像的偏转方向;
相应地,所述将所述参考点的坐标沿所述参考坐标轴平移所述参考点和其他关键点中两两关键点之间的距离,得到所述其他关键点在摆正后的三维医学图像上的坐标,包括:
基于所述偏转方向,将所述参考点的坐标沿所述参考坐标轴平移所述参考点和其他关键点中两两关键点之间的距离,得到所述其他关键点在摆正后的三维医学图像上的坐标。
5.根据权利要求1-4任意一项所述的方法,其特征在于,所述利用所述变换关系对所述待摆正的三维医学图像进行变换处理,得到所述摆正后的三维医学图像,包括:
利用所述变换关系对摆正后的三维医学图像上各个第一像素点的坐标进行逆变换处理,得到各个第一像素点的坐标在所述待摆正的三维医学图像上对应的各个第二像素点的坐标;
基于各所述第二像素点的坐标,采用预设的插值算法确定各所述第二像素点对应的目标像素值;
将各所述第二像素点的目标像素值对应回填进各所述第一像素点,得到所述摆正后的三维医学图像。
6.根据权利要求5所述的方法,其特征在于,所述基于各所述第二像素点的坐标,采用预设的插值算法确定各所述第二像素点对应的目标像素值,包括:
基于各所述第二像素点的坐标,确定与各所述第二像素点相邻的多个第二像素点;
采用预设的插值算法对与各所述第二像素点相邻的多个第二像素点的像素值进行插值处理,得到各所述第二像素点对应的目标像素值。
7.根据权利要求1至4任意一项所述的方法,其特征在于,所述关键点检测模型的训练方法包括:
获取样本医学图像集,所述样本医学图像集包括训练医学图像和所述训练医学图像中的影像上对应的标注关键点坐标;
基于所述样本医学图像集对初始关键点检测模型进行训练,得到所述关键点检测模型。
8.根据权利要求7所述的方法,其特征在于,所述基于所述样本医学图像集对初始关键点检测模型进行训练,得到所述关键点检测模型,包括:
将所述训练医学图像进行预处理后输入至所述初始关键点检测模型,得到所述训练医学图像中的影像上的预测关键点坐标;
计算所述标注关键点坐标和所述预测关键点坐标之间的损失,并利用所述损失对所述初始关键点检测模型进行训练,得到所述关键点检测模型。
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8中任一项所述的方法的步骤。
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,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010290311.1A CN111462018A (zh) | 2020-04-14 | 2020-04-14 | 图像中的影像摆正方法、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010290311.1A CN111462018A (zh) | 2020-04-14 | 2020-04-14 | 图像中的影像摆正方法、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111462018A true CN111462018A (zh) | 2020-07-28 |
Family
ID=71680268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010290311.1A Pending CN111462018A (zh) | 2020-04-14 | 2020-04-14 | 图像中的影像摆正方法、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111462018A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609550A (zh) * | 2011-01-19 | 2012-07-25 | 鸿富锦精密工业(深圳)有限公司 | 产品三维模型自动摆正系统及方法 |
JP2015219679A (ja) * | 2014-05-16 | 2015-12-07 | 株式会社リコー | 画像処理システム、情報処理装置、プログラム |
CN107610179A (zh) * | 2017-09-04 | 2018-01-19 | 苏州佳世达电通有限公司 | 一种影像撷取装置的校正方法 |
CN110415219A (zh) * | 2019-07-04 | 2019-11-05 | 杭州深睿博联科技有限公司 | 基于深度分割网络的医学图像处理方法及装置、设备、存储介质 |
CN110544285A (zh) * | 2019-10-30 | 2019-12-06 | 南京安科医疗科技有限公司 | 一种矫正头部ct图像中头部位置的方法及系统 |
-
2020
- 2020-04-14 CN CN202010290311.1A patent/CN111462018A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609550A (zh) * | 2011-01-19 | 2012-07-25 | 鸿富锦精密工业(深圳)有限公司 | 产品三维模型自动摆正系统及方法 |
JP2015219679A (ja) * | 2014-05-16 | 2015-12-07 | 株式会社リコー | 画像処理システム、情報処理装置、プログラム |
CN107610179A (zh) * | 2017-09-04 | 2018-01-19 | 苏州佳世达电通有限公司 | 一种影像撷取装置的校正方法 |
CN110415219A (zh) * | 2019-07-04 | 2019-11-05 | 杭州深睿博联科技有限公司 | 基于深度分割网络的医学图像处理方法及装置、设备、存储介质 |
CN110544285A (zh) * | 2019-10-30 | 2019-12-06 | 南京安科医疗科技有限公司 | 一种矫正头部ct图像中头部位置的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7945117B2 (en) | Methods and systems for registration of images | |
US8045771B2 (en) | System and method for automated patient anatomy localization | |
US8345927B2 (en) | Registration processing apparatus, registration method, and storage medium | |
US8326086B2 (en) | Elastic image registration | |
CN107123137B (zh) | 医学图像处理方法及设备 | |
US10318839B2 (en) | Method for automatic detection of anatomical landmarks in volumetric data | |
US20110058720A1 (en) | Systems and Methods for Automatic Vertebra Edge Detection, Segmentation and Identification in 3D Imaging | |
CN109754396B (zh) | 图像的配准方法、装置、计算机设备和存储介质 | |
JP2007054636A (ja) | イメージの対を位置合わせする方法およびコンピュータによって実行される命令からなるプログラムを具現化して該方法を実施するプログラム記憶装置 | |
CN111583099A (zh) | 图像摆正方法、计算机设备和存储介质 | |
CN110706791B (zh) | 一种医学影像处理方法及装置 | |
CN113397704B (zh) | 机器人定位方法、装置、系统及计算机设备 | |
US20140064588A1 (en) | Quantifying curvature of biological structures from imaging data | |
US9020215B2 (en) | Systems and methods for detecting and visualizing correspondence corridors on two-dimensional and volumetric medical images | |
US20230351597A1 (en) | Methods and devices for medical image processing | |
CN111223158B (zh) | 心脏冠脉图像的伪影校正方法和可读存储介质 | |
CN114943714A (zh) | 医学图像处理系统、装置、电子设备及存储介质 | |
US10945709B2 (en) | Systems, methods and computer readable storage media storing instructions for image-guided interventions based on patient-specific models | |
CN112150485B (zh) | 图像分割方法、装置、计算机设备和存储介质 | |
CN110473241B (zh) | 图像配准方法、存储介质及计算机设备 | |
CN117058409A (zh) | 基于表面配准的目标特征提取方法、装置、设备和介质 | |
US20170301099A1 (en) | Image processing apparatus, image processing method, and program | |
CN111462018A (zh) | 图像中的影像摆正方法、计算机设备和存储介质 | |
Rivest-Hénault et al. | Inverse-consistent rigid registration of CT and MR for MR-based planning and adaptive prostate radiation therapy | |
Lötjönen et al. | Correction of motion artifacts from cardiac cine magnetic resonance images1 |
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 |