CN112767319A - 基于点云数据分割的乳腺超声成像方法、装置及存储介质 - Google Patents
基于点云数据分割的乳腺超声成像方法、装置及存储介质 Download PDFInfo
- Publication number
- CN112767319A CN112767319A CN202011643140.2A CN202011643140A CN112767319A CN 112767319 A CN112767319 A CN 112767319A CN 202011643140 A CN202011643140 A CN 202011643140A CN 112767319 A CN112767319 A CN 112767319A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- point
- plane
- bearing platform
- 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
- 210000000481 breast Anatomy 0.000 title claims abstract description 61
- 230000011218 segmentation Effects 0.000 title claims abstract description 30
- 238000003384 imaging method Methods 0.000 title claims abstract description 10
- 238000005070 sampling Methods 0.000 claims abstract description 18
- 238000001914 filtration Methods 0.000 claims abstract description 13
- 210000005075 mammary gland Anatomy 0.000 claims abstract description 8
- 239000013598 vector Substances 0.000 claims description 40
- 230000015654 memory Effects 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 22
- 238000012285 ultrasound imaging Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 4
- 230000002146 bilateral effect Effects 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5207—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of raw data to produce diagnostic data, e.g. for generating an image
-
- 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- 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
- G06T2207/10132—Ultrasound 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30068—Mammography; Breast
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Human Computer Interaction (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Quality & Reliability (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于点云数据分割的乳腺超声成像方法，包括以下步骤：通过深度相机获取初始点云数据；初始点云数据至少包括待检测人体点云数据、承载平台点云数据；根据点云滤波算法对初始点云数据进行降采样，得到降采样后的点云数据；获取承载平台平面在深度相机坐标系下的坐标，得到深度相机原点O与承载平台平面之间的位置关系；根据深度相机原点与承载平台平面的位置关系，从降采样后的点云数据中去除承载平台平面以下的点云数据，得到承载平台平面以上的初步点云数据；通过初步点云数据进行聚类，得到待检测人体上部躯干的点云数据；根据特征识别算法对待检测人体上部躯干的点云数据进行特征识别，得到识别后的乳房区域的点云数据。
Description
技术领域
本发明涉及超声医疗成像技术，具体涉及基于点云数据分割的乳腺超声成像方法、装置及存储介。
背景技术
随着医疗诊断设备的不断发展，超声成像仪器因为其无创性、实时性、操作方便、价格便宜等诸多优势，使其成为临床上应用最为广泛的诊断工具之一。人工在使用超声探头进行乳腺扫描时，扫描顺序不准确、扫描路径不标准都会造成图像不准确，可能导致误查。
发明内容
为了解决相关技术中存在的不足，本发明提供点云数据分割的乳腺超声成像方法、装置及存储介，能够从点云数据中自动分割出乳腺区域的点云数据。主要解决了从深度相机拍摄的点云数据中识别并提取乳房特征区域，并进行数据的优化。
根据本发明提供的技术方案，作为本发明的第一方面，提供一种点云数据分割的乳腺超声成像方法，包括以下步骤：
通过深度相机获取初始点云数据；所述初始点云数据至少包括待检测人体点云数据、承载平台点云数据；
根据点云滤波算法对所述初始点云数据进行降采样，得到降采样后的点云数据；
获取承载平台平面在深度相机坐标系下的坐标，得到深度相机原点O与所述承载平台平面之间的位置关系，深度相机原点O点的坐标为(0，0，0)；
根据深度相机原点与承载平台平面的位置关系，从所述降采样后的点云数据中去除承载平台平面以下的点云数据，得到承载平台平面以上的初步点云数据；
通过对所述初步点云数据进行聚类，得到待检测人体上部躯干的点云数据；
根据特征识别算法对所述待检测人体上部躯干的点云数据进行特征识别，得到识别后的乳房区域的点云数据。
在一些实施例中，所述点云滤波算法为直通滤波器、体素滤波器、统计滤波器、条件滤波、半径滤波器、双边滤波、高斯滤波、均匀采样滤波、移动最小二乘法光滑滤波中的至少一种。
在一些实施例中，所述点云滤波算法为体素滤波器；通过所述体素滤波器对所述初始点云数据进行降采样及过滤噪声。
在一些实施例中，所述深度相机原点与所述承载平台平面的位置关系，通过以下步骤得到：
获取在深度相机坐标系下承载平台平面上一点Acamera的坐标，Acamera＝(x，y，h)；
根据罗德里格斯变换得到所述承载平台平面在深度相机坐标系下承载平台平面的法向量
计算承载平台平面上一点Acamera指向所述深度相机原点O的向量与所述承载平台平面的法向量
的点乘PO，PO为深度相机原点与所述承载平台平面的位置关系。
在一些实施例中，从所述降采样后的点云数据中去除承载平台平面以下的点云数据的步骤如下：
计算承载平台平面上一点Acamera指向所述降采样后的点云数据上一点Xcamera的向量与所述承载平台平面的法向量
的点乘PX；
若PO*PX≥0，则点Xcamera与点O在承载平台平面的同侧，此时点Xcamera为承载平台平面以上的初步点云数据，保留点Xcamera；
若PO*PX＜0，则点Xcamera与点O在承载平台平面的异侧，此时点Xcamera为承载平台平面以下的初步点云数据，去除点Xcamera。
在一些实施例中，所述初步点云数据进行聚类，聚类算法为欧式聚类算法，具体步骤如下：
对初步点云数据中的所有点进行欧式聚类，得到所有点中每个点一定范围的邻域点；
将每个点一定范围的邻域点合并到同一个聚类，得到所有点的若干个聚类；
从若干个聚类中，选择含有人体上部躯干的聚类，所述含有人体上部躯干的聚类为待检测人体上部躯干的点云数据。
在一些实施例中，所述特征识别算法包括以下步骤：
将待检测人体上部躯干的点云数据进行三角网格化，得到三角网格化后的待检测人体上部躯干的点云数据；
计算每个三角网格化后的待检测人体上部躯干的点云数据中的三角面片的平面法向量；
根据所述三角面片的平面法向量的变化趋势，确定属于乳房区域的点云数据；
将乳房区域的点云数据从待检测人体上部躯干的点云数据中分离，得到识别后的乳房区域的点云数据。
在一些实施例中，所述三角面片的平面法向量的变化趋势包括以下步骤：
计算三角面片的平面法向量与承载平台平面法向量
的夹角θ；
从从待检测人体冠状轴坐标值最小的点开始，获取夹角θ由预设阈值θ’开始逐渐减小后渐变为逐渐增大到预设阈值θ’的连续点坐标；
去除所述连续点坐标中不符合预设要求的连续点坐标，获取两个乳房的靠近乳房中心的部分连续点坐标；
分别取两个乳房的靠近乳房中心的部分连续点坐标中在待检测人体矢状轴坐标值最大两个的点；分别以所述两个点为圆心，分别沿着与承载平台平面平行的面，分别以径向方向，分别获取所述夹角θ连续增大到预设阈值θ”的乳房点云区域的连续点坐标，即得到识别后的乳房区域的点云数据。
作为本发明的第二方面，提供基于点云数据分割的乳腺超声成像装置，所述基于点云数据分割的乳腺超声成像装置包括存储器和处理器，所述存储器和处理器通过总线连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行本发明第一方面所述的基于点云数据分割的乳腺超声成像方法。
作为本发明的第三方面，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计算机指令，所述计算机指令用于执行本发明第一方面所述的基于点云数据分割的乳腺超声成像方法。
从以上所述可以看出，本发明提供的基于点云数据分割的乳腺超声成像方法、装置及存储介质，与现有技术相比具备以下优点：在保持点云数据的空间形态基本保持不变的情况下，大幅减小点云数据量，同时超声系统实时性得到提升，提升了用户体验，降低了对系统硬件的算力要求，从而降低系统的功耗和成本，提高该算法的适应性。从背景环境中提取出乳房特征区域的点云数据更加准确高效。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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为本发明实施例所示的初始点云数据示意图。
图2为本发明实施例所示的降采样后的点云数据示意图。
图3为本发明实施例所示的初步点云数据示意图。
图4为本发明实施例所示的聚类后待检测人体上部躯干的点云数据示意图。
图5为本发明实施例所示的分割后的单侧乳房区域点云数据示意图。
图6为本发明实施例所示的分割后得到的单侧乳房点云数据侧视图。
图7为本发明一实施例提供的基于点云数据分割的乳腺超声成像装置。
图8为本发明一实施例所示的分割后得到的单侧乳房点云数据俯视图。
图9为本发明一实施提供的点云数据上点A与原点O在同侧的示意图。
图10为本发明一实施提供的点云数据上点A与原点O在异侧的示意图。
图11为本发明一实施提供的基于点云数据分割的乳腺超声成像方法流程示意图。
图12为本发明一实施提供的初步分割出人体上部躯干的点云数据的流程示意图。
具体实施方式
下面将结合附图，对本发明中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在不做出创造性劳动的前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电气连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
以下分别给予介绍，为了便于理解和描述，在描述本发明第一方面时，会加入其他主体，例如使用者、医生、待检测人体、待检测人体躯干，以对基于点云数据分割的乳腺超声成像方法的执行主体执行该方法的过程加以辅助说明。
如图11所示，基于点云数据分割的乳腺超声成像方法，包括以下步骤：
S10：通过深度相机获取初始点云数据；所述初始点云数据至少包括待检测人体点云数据、承载平台点云数据；在深度相机拍摄待检测部位(例如乳房)的点云数据后，由于还存在待检测人体其他部位、承载平台等背景环境，因此需要从背景环境中提取出乳房区域的点云数据并进行数据优化，才能针对乳房区域进行机械臂控制探头的轨迹规划，使机械臂上安装的探头进行实时的自动进行跟踪扫查，更好的贴合乳房表面，保证超声图像的质量。点云数据的存储格式是一个维度为n x 3的矩阵，n是该数据包含的三维空间坐标点数量，每个三维空间坐标点的x，y和z坐标值以浮点数的格式按从左到右的顺序分别存储在此矩阵每行的三列位置中。因此点云数据矩阵的每一行代表三维空间中的一个坐标点，由n个坐标点来描述三维空间对象。深度相机在预设的最佳拍摄位置对准待检测人体上部躯干拍摄一张三维点云图，在一实施例中该初始点云数据的可视化效果如图1所示。
S20：根据点云滤波算法对所述初始点云数据进行降采样，得到降采样后的点云数据；对初始点云数据进行降采样，在保持初始点云数据所描述的空间形态基本保持不变的情况下，大幅减小点云数据量，减轻算法后续步骤的计算量，以加快整体算法的计算速度，使得拍摄初始点云数据到分割乳房点云数据响应速度加快，最终体现为超声系统实时性的提升，并提升用户体验。降采样的另一优势是降低了对系统硬件(指处理计算的PC模块)的算力要求，从而降低系统的功耗和成本，提高该算法的适应性。点云滤波算法为直通滤波器、体素滤波器、统计滤波器、条件滤波、半径滤波器、双边滤波、高斯滤波、均匀采样滤波、移动最小二乘法光滑滤波中的至少一种。在一较优实施例中，降采样使用体素滤波的方法，可以在降采样的同时，快速有效地去除点云的噪声、剔除离群点，以提高曲面特征的连续性，体素滤波对一个三维体素包含的所有点以这些点的重心坐标来替换，因此体素的体积越大，降采样的比率就越高、同时点云所描述的曲面特征丢失就越多；但体素的体积越小，在保留曲面特征的同时，点云数据量的压缩程度越低。因此体素体积的最佳值通过预设阈值或经训练的神经网络得到。降采样后点云数据可视化效果如图2所示，大大提升后续计算的速度，并充分保留点云数据的原有特征。
S30：获取承载平台平面在深度相机坐标系下的坐标，得到深度相机原点O与所述承载平台平面之间的位置关系，深度相机原点O点的坐标为(0，0，0)；深度相机原点与所述承载平台平面的位置关系，通过以下步骤得到如图12所示：S31：获取在深度相机坐标系下承载平台平面上一点Acamera的坐标，Acamera＝(x，y，h)；
S32：根据罗德里格斯变换得到所述承载平台平面在深度相机坐标系下承载平台平面的法向量
S33：计算承载平台平面上一点Acamera指向所述深度相机原点O的向量与所述承载平台平面的法向量
的点乘PO，PO为深度相机原点与所述承载平台平面的位置关系。
S40：根据深度相机原点与承载平台平面的位置关系，从所述降采样后的点云数据中去除承载平台平面以下的点云数据，得到承载平台平面以上的初步点云数据；对于降采样后的点云数据，利用已知的承载平台平面和深度相机原点O的位置关系，计算出承载平台平面的位置，并计算深度相机原点O到承载平台平面的距离，从降采样后的点云数据中分割出初步点云数据。从降采样后的点云数据中去除承载平台平面以下的点云数据如图9、图10、图12、所示，步骤如下：
S41：计算承载平台平面上一点Acamera指向所述降采样后的点云数据上一点Xcamera的向量与所述承载平台平面的法向量
的点乘PX；
S42：判断PO*PX是否≥0；
S43若PO*PX＜0，则点Xcamera与点O在承载平台平面的异侧，此时点Xcamera为承载平台平面以下的初步点云数据，去除点Xcamera；
S44:若PO*PX≥0，则点Xcamera与点O在承载平台平面的同侧，此时点Xcamera为承载平台平面以上的初步点云数据，保留点Xcamera。获得承载平台平面上一个点Acamera＝(x，y，h)以及法向量
后，使用点和平面的位置关系式计算出每个点在平面的哪一侧，保留和深度相机在同一侧的点，获得初步点云数据。在一实施例中，初步点云数据可视化效果如图3所示。
计算承载平台平面位置时，需要获取在深度相机坐标系下，承载平台平面上一个点Acamera的坐标以及承载平台平面的法向量
承载平台平面上的点Acamera坐标用已知的承载平台平面和深度相机原点坐标的高度差，得到承载平台平面在相机坐标系下的z坐标的高度h，x和y坐标取合适值后，即得到承载平台平面上的一个点Acamera＝[x，y，h]。承载平台平面的法向量
时，先把已知的深度相机朝向的旋转向量用罗德里格斯变换转变成旋转矩阵，公式如下：
θ←norm(r)
r←r/θ
由于该旋转矩阵是深度相机坐标系到机械臂基座坐标系的旋转矩阵，因此在计算深度相机坐标系的法向量时，需要用该矩阵的逆矩阵R-1左乘基座坐标系下的平面法向量
(列向量)，得到相机坐标系下的承载平台平面法向量
由
推导出
S50：通过对所述初步点云数据进行聚类，得到待检测人体上部躯干的点云数据；所述初步点云数据进行聚类，聚类算法为欧式聚类算法，具体步骤如下：
对初步点云数据中的所有点进行欧式聚类，得到所有点中每个点一定范围的邻域点；
将每个点一定范围的邻域点合并到同一个聚类，得到所有点的若干个聚类；
从若干个聚类中，选择含有人体上部躯干的聚类，所述含有人体上部躯干的聚类为待检测人体上部躯干的点云数据。对初步点云数据进行聚类，将只包含人体的点云数据分离出来，获得只包含待检测人体上部躯干的分离后待检测人体上部躯干的点云数据。聚类算法的步骤是首先对于点云数据中的每个点，对其进行近邻搜索，将一定范围内的邻域点合并到同一个聚类中。对每个点进行这样的操作后，会得若干个聚类。由于每个聚类包含的坐标点数量不同，而感兴趣区域(ROI)是人体区域，其显著特征包括坐标点的坐标位置、表面曲率以及面积大小在一实施例中，从背景分离的分离后待检测人体上部躯干的点云数据可视化效果如图4所示。
S60：根据特征识别算法对所述待检测人体上部躯干的点云数据进行特征识别，得到识别后的乳房区域的点云数据。所述特征识别算法包括以下步骤：
将待检测人体上部躯干的点云数据进行三角网格化，得到三角网格化后的待检测人体上部躯干的点云数据；
计算每个三角网格化后的待检测人体上部躯干的点云数据中的三角面片的平面法向量；
根据所述三角面片的平面法向量的变化趋势，确定属于乳房区域的点云数据；
将乳房区域的点云数据从待检测人体上部躯干的点云数据中分离，得到识别后的乳房区域的点云数据。
所述三角面片的平面法向量的变化趋势包括以下步骤：
计算三角面片的平面法向量与承载平台平面法向量
的夹角θ；
从从待检测人体冠状轴坐标值最小的点开始，获取夹角θ由预设阈值θ’开始逐渐减小后渐变为逐渐增大到预设阈值θ’的连续点坐标；
去除所述连续点坐标中不符合预设要求的连续点坐标，获取两个乳房的靠近乳房中心的部分连续点坐标；
分别取两个乳房的靠近乳房中心的部分连续点坐标中在待检测人体矢状轴坐标值最大两个的点；分别以所述两个点为圆心，分别沿着与承载平台平面平行的面，分别以径向方向，分别获取所述夹角θ连续增大到预设阈值θ”的乳房点云区域的连续点坐标，即得到识别后的乳房区域的点云数据。
图7示出了本申请一实施例提供的基于点云数据分割的乳腺超声成像装置，参照图7，至少一个处理器71，例如CPU(Central Processing Unit，中央处理器)，至少一个通信接口73，存储器74，至少一个通信总线72。其中，通信总线72用于实现这些组件之间的连接通信。其中，通信接口73可以包括显示屏、键盘，可选通信接口73还可以包括标准的有线接口、无线接口。存储器74可以是高速RAM存储器，也可以是非不稳定的存储器，例如至少一个磁盘存储器。存储器74可选的还可以是至少一个位于远离前述处理器71的存储装置。其中处理器71可以结合图5所描述的装置，存储器74中存储应用程序，且处理器71调用存储器74中存储的程序代码，以用于执行上述任一方法步骤。
其中，通信总线72可以是外设部件互连标准总线或扩展工业标准结构总线等。通信总线72可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器74可以包括易失性存储器，例如随机存取存储器；存储器也可以包括非易失性存储器，例如快闪存储器，硬盘或固态硬盘；存储器74还可以包括上述种类的存储器的组合。
其中，处理器71可以是中央处理器，网络处理器，或者中央处理器和网络处理器的组合。
其中，处理器71还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路，可编程逻辑器件或其组合。上述PLD可以是复杂可编程逻辑器件，现场可编程逻辑门阵列，通用阵列逻辑或其任意组合。可选地，存储器74还用于存储程序指令。
本申请还提供一种计算机存储介质，所述计算机存储介质中存储有至少一条程序指令，所述至少一条程序指令被处理器加载并执行以实现图1-图6及图8-图11中任一幅图所示的方法。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种基于点云数据分割的乳腺超声成像方法，其特征在于，包括以下步骤：
通过深度相机获取初始点云数据；所述初始点云数据至少包括待检测人体点云数据、承载平台点云数据；
根据点云滤波算法对所述初始点云数据进行降采样，得到降采样后的点云数据；
获取承载平台平面在深度相机坐标系下的坐标，得到深度相机原点O与所述承载平台平面之间的位置关系，深度相机原点O点的坐标为(0，0，0)；
根据深度相机原点与承载平台平面的位置关系，从所述降采样后的点云数据中去除承载平台平面以下的点云数据，得到承载平台平面以上的初步点云数据；
通过对所述初步点云数据进行聚类，得到待检测人体上部躯干的点云数据；
根据特征识别算法对所述待检测人体上部躯干的点云数据进行特征识别，得到识别后的乳房区域的点云数据。
2.根据权利要求1所述的基于点云数据分割的乳腺超声成像方法，其特征在于，所述点云滤波算法为直通滤波器、体素滤波器、统计滤波器、条件滤波、半径滤波器、双边滤波、高斯滤波、均匀采样滤波、移动最小二乘法光滑滤波中的至少一种。
3.根据权利要求2所述的基于点云数据分割的乳腺超声成像方法，其特征在于，所述点云滤波算法为体素滤波器；通过所述体素滤波器对所述初始点云数据进行降采样及过滤噪声。
4.根据权利要求1所述的基于点云数据分割的乳腺超声成像方法，其特征在于，所述深度相机原点与所述承载平台平面的位置关系，通过以下步骤得到：
获取在深度相机坐标系下承载平台平面上一点Acamera的坐标，Acamera＝(x，y，h)；
根据罗德里格斯变换得到所述承载平台平面在深度相机坐标系下承载平台平面的法向量
计算承载平台平面上一点Acamera指向所述深度相机原点O的向量与所述承载平台平面的法向量
的点乘PO，PO为深度相机原点与所述承载平台平面的位置关系。
5.根据权利要求4所述的基于点云数据分割的乳腺超声成像方法，其特征在于，从所述降采样后的点云数据中去除承载平台平面以下的点云数据的步骤如下：
计算承载平台平面上一点Acamera指向所述降采样后的点云数据上一点Xcamera的向量与所述承载平台平面的法向量
的点乘PX；
若PO*PX≥0，则点Xcamera与点O在承载平台平面的同侧，此时点Xcamera为承载平台平面以上的初步点云数据，保留点Xcamera；
若PO*PX＜0，则点Xcamera与点O在承载平台平面的异侧，此时点Xcamera为承载平台平面以下的初步点云数据，去除点Xcamera。
6.根据权利要求1所述的基于点云数据分割的乳腺超声成像方法，其特征在于，所述初步点云数据进行聚类，聚类算法为欧式聚类算法，具体步骤如下：
对初步点云数据中的所有点进行欧式聚类，得到所有点中每个点一定范围的邻域点；
将每个点一定范围的邻域点合并到同一个聚类，得到所有点的若干个聚类；
从若干个聚类中，选择含有人体上部躯干的聚类，所述含有人体上部躯干的聚类为待检测人体上部躯干的点云数据。
7.根据权利要求1所述的基于点云数据分割的乳腺超声成像方法，其特征在于，所述特征识别算法包括以下步骤：
将待检测人体上部躯干的点云数据进行三角网格化，得到三角网格化后的待检测人体上部躯干的点云数据；
计算每个三角网格化后的待检测人体上部躯干的点云数据中的三角面片的平面法向量；
根据所述三角面片的平面法向量的变化趋势，确定属于乳房区域的点云数据；
将乳房区域的点云数据从待检测人体上部躯干的点云数据中分离，得到识别后的乳房区域的点云数据。
8.根据权利要求7所述的基于点云数据分割的乳腺超声成像方法，其特征在于，所述三角面片的平面法向量的变化趋势包括以下步骤：
计算三角面片的平面法向量与承载平台平面法向量
的夹角θ；
从从待检测人体冠状轴坐标值最小的点开始，获取夹角θ由预设阈值θ’开始逐渐减小后渐变为逐渐增大到预设阈值θ’的连续点坐标；
去除所述连续点坐标中不符合预设要求的连续点坐标，获取两个乳房的靠近乳房中心的部分连续点坐标；
分别取两个乳房的靠近乳房中心的部分连续点坐标中在待检测人体矢状轴坐标值最大两个的点；分别以所述两个点为圆心，分别沿着与承载平台平面平行的面，分别以径向方向，分别获取所述夹角θ连续增大到预设阈值θ”的乳房点云区域的连续点坐标，即得到识别后的乳房区域的点云数据。
9.一种基于点云数据分割的乳腺超声成像装置，其特征在于，所述基于点云数据分割的乳腺超声成像装置包括存储器和处理器，所述存储器和处理器通过总线连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1～8中任意一项所述的基于点云数据分割的乳腺超声成像方法。
10.一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存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1-8中任意一项所述的基于点云数据分割的乳腺超声成像方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011643140.2A CN112767319A (zh) | 2020-12-30 | 2020-12-30 | 基于点云数据分割的乳腺超声成像方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011643140.2A CN112767319A (zh) | 2020-12-30 | 2020-12-30 | 基于点云数据分割的乳腺超声成像方法、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112767319A true CN112767319A (zh) | 2021-05-07 |
Family
ID=75698699
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011643140.2A Pending CN112767319A (zh) | 2020-12-30 | 2020-12-30 | 基于点云数据分割的乳腺超声成像方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112767319A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113344029A (zh) * | 2021-05-10 | 2021-09-03 | 深圳瀚维智能医疗科技有限公司 | 人体点云提取方法、电子装置和可读存储介质 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050094879A1 (en) * | 2003-10-31 | 2005-05-05 | Michael Harville | Method for visual-based recognition of an object |
| CN101625767A (zh) * | 2008-07-10 | 2010-01-13 | 北京石油化工学院 | 非平行轮廓医学影像的点云式三维表面重建方法 |
| WO2011070927A1 (ja) * | 2009-12-11 | 2011-06-16 | 株式会社トプコン | 点群データ処理装置、点群データ処理方法、および点群データ処理プログラム |
| US20130121564A1 (en) * | 2010-07-05 | 2013-05-16 | Kabushiki Kaisha Topcon | Point cloud data processing device, point cloud data processing system, point cloud data processing method, and point cloud data processing program |
| CN104282039A (zh) * | 2014-09-29 | 2015-01-14 | 樊晓莉 | 基于三维扫描的骨骼矫形支具塑形方法 |
| CN109034065A (zh) * | 2018-07-27 | 2018-12-18 | 西安理工大学 | 一种基于点云的室内场景物体提取方法 |
| CN109242828A (zh) * | 2018-08-13 | 2019-01-18 | 浙江大学 | 基于光栅投影多步相移法的3d打印制品三维缺陷检测方法 |
| CN109330602A (zh) * | 2018-11-01 | 2019-02-15 | 中山市人民医院 | 一种女性形体智能评估检测装置及方法、存储介质 |
| CN110147815A (zh) * | 2019-04-10 | 2019-08-20 | 深圳市易尚展示股份有限公司 | 基于k均值聚类的多帧点云融合方法及装置 |
| CN110675398A (zh) * | 2019-10-22 | 2020-01-10 | 深圳瀚维智能医疗科技有限公司 | 乳腺超声筛查方法、装置及计算机设备 |
| CN110766704A (zh) * | 2019-10-22 | 2020-02-07 | 深圳瀚维智能医疗科技有限公司 | 乳房点云分割方法、装置、存储介质及计算机设备 |
| CN111681274A (zh) * | 2020-08-11 | 2020-09-18 | 成都艾尔帕思科技有限公司 | 基于深度相机点云数据的3d人体骨骼识别和提取方法 |
| US20200394821A1 (en) * | 2019-06-12 | 2020-12-17 | GE Precision Healthcare LLC | System and method for calibration between coordinate systems of 3d camera and medical imaging apparatus and application thereof |
-
2020
- 2020-12-30 CN CN202011643140.2A patent/CN112767319A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050094879A1 (en) * | 2003-10-31 | 2005-05-05 | Michael Harville | Method for visual-based recognition of an object |
| CN101625767A (zh) * | 2008-07-10 | 2010-01-13 | 北京石油化工学院 | 非平行轮廓医学影像的点云式三维表面重建方法 |
| WO2011070927A1 (ja) * | 2009-12-11 | 2011-06-16 | 株式会社トプコン | 点群データ処理装置、点群データ処理方法、および点群データ処理プログラム |
| US20130121564A1 (en) * | 2010-07-05 | 2013-05-16 | Kabushiki Kaisha Topcon | Point cloud data processing device, point cloud data processing system, point cloud data processing method, and point cloud data processing program |
| CN104282039A (zh) * | 2014-09-29 | 2015-01-14 | 樊晓莉 | 基于三维扫描的骨骼矫形支具塑形方法 |
| CN109034065A (zh) * | 2018-07-27 | 2018-12-18 | 西安理工大学 | 一种基于点云的室内场景物体提取方法 |
| CN109242828A (zh) * | 2018-08-13 | 2019-01-18 | 浙江大学 | 基于光栅投影多步相移法的3d打印制品三维缺陷检测方法 |
| CN109330602A (zh) * | 2018-11-01 | 2019-02-15 | 中山市人民医院 | 一种女性形体智能评估检测装置及方法、存储介质 |
| CN110147815A (zh) * | 2019-04-10 | 2019-08-20 | 深圳市易尚展示股份有限公司 | 基于k均值聚类的多帧点云融合方法及装置 |
| US20200394821A1 (en) * | 2019-06-12 | 2020-12-17 | GE Precision Healthcare LLC | System and method for calibration between coordinate systems of 3d camera and medical imaging apparatus and application thereof |
| CN110675398A (zh) * | 2019-10-22 | 2020-01-10 | 深圳瀚维智能医疗科技有限公司 | 乳腺超声筛查方法、装置及计算机设备 |
| CN110766704A (zh) * | 2019-10-22 | 2020-02-07 | 深圳瀚维智能医疗科技有限公司 | 乳房点云分割方法、装置、存储介质及计算机设备 |
| CN111681274A (zh) * | 2020-08-11 | 2020-09-18 | 成都艾尔帕思科技有限公司 | 基于深度相机点云数据的3d人体骨骼识别和提取方法 |
Non-Patent Citations (4)
| Title |
|---|
| KENAN, NIU;JASPER, HOMMINGA;VICTOR I, SLUITER;ANDRÉ, SPRENGERS;NICO, VERDONSCHOT: "Feasibility of A-mode ultrasound based intraoperative registration in computer-aided orthopedic surgery: A simulation and experimental study.", PLOS ONE, vol. 13, no. 6, 31 December 2018 (2018-12-31) * |
| 王冲;李锻能;邓君裕;赵靖: "改进法线方向的点云实时分割提取平面方法研究", 计算机测量与控制, no. 005, 31 December 2018 (2018-12-31) * |
| 胡晓彤;黄为庆;: "奶牛乳腺组织体积测量方法的研究", 天津科技大学学报, no. 03, 25 June 2012 (2012-06-25) * |
| 蔡先杰;: "基于局部坐标系法线投射的点云精细配准算法", 现代计算机(专业版), no. 26, 15 September 2016 (2016-09-15) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113344029A (zh) * | 2021-05-10 | 2021-09-03 | 深圳瀚维智能医疗科技有限公司 | 人体点云提取方法、电子装置和可读存储介质 |
| CN113344029B (zh) * | 2021-05-10 | 2024-04-05 | 深圳瀚维智能医疗科技有限公司 | 人体点云提取方法、电子装置和可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210192758A1 (en) | Image processing method and apparatus, electronic device, and computer readable storage medium | |
| US7499578B2 (en) | System, method and apparatus for small pulmonary nodule computer aided diagnosis from computed tomography scans | |
| CN109124662B (zh) | 肋骨中心线检测装置及方法 | |
| US11869182B2 (en) | Systems and methods for segmentation and measurement of a skin abnormality | |
| US9014447B2 (en) | System and method for detection of lesions in three-dimensional digital medical image | |
| CN107292835B (zh) | 一种眼底图像视网膜血管自动矢量化的方法及装置 | |
| WO2008151113A1 (en) | Methods and apparatus for computer automated diagnosis of mammogram images | |
| US9142030B2 (en) | Systems, methods and computer readable storage media storing instructions for automatically segmenting images of a region of interest | |
| CN110766704B (zh) | 乳房点云分割方法、装置、存储介质及计算机设备 | |
| US7480401B2 (en) | Method for local surface smoothing with application to chest wall nodule segmentation in lung CT data | |
| CN111798424B (zh) | 一种基于医学图像的结节检测方法、装置及电子设备 | |
| CN112991365B (zh) | 一种冠状动脉分割方法、系统及存储介质 | |
| CN116664559A (zh) | 基于机器视觉的内存条损伤快速检测方法 | |
| Ardon et al. | Fast kidney detection and segmentation with learned kernel convolution and model deformation in 3D ultrasound images | |
| CN111861989A (zh) | 一种脑中线检测方法、系统、终端及存储介质 | |
| CN111508004B (zh) | 基于深度学习的室壁运动异常超声处理方法、系统和设备 | |
| JP2023517058A (ja) | 画像処理に基づく腫瘍の自動検出 | |
| JP4964191B2 (ja) | 画像処理装置および方法ならびにプログラム | |
| CN115527065A (zh) | 髋关节分型方法、装置和存储介质 | |
| CN110163907B (zh) | 胎儿颈部透明层厚度测量方法、设备及存储介质 | |
| CN112767319A (zh) | 基于点云数据分割的乳腺超声成像方法、装置及存储介质 | |
| CN112308845B (zh) | 左心室分割方法、装置及电子设备 | |
| CN112651984A (zh) | 血管管腔内膜轮廓提取方法、装置及超声设备和存储介质 | |
| Farag et al. | Parametric and non-parametric nodule models: Design and evaluation | |
| CN111539926B (zh) | 一种图像检测方法及装置 |
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 |