CN112767415A - 胸部扫查区域自动确定方法、装置、设备及存储介质 - Google Patents

胸部扫查区域自动确定方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN112767415A
CN112767415A CN202110045624.5A CN202110045624A CN112767415A CN 112767415 A CN112767415 A CN 112767415A CN 202110045624 A CN202110045624 A CN 202110045624A CN 112767415 A CN112767415 A CN 112767415A
Authority
CN
China
Prior art keywords
target
determining
point
coordinate
sub
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
Application number
CN202110045624.5A
Other languages
English (en)
Inventor
李元伟
谈继勇
孙熙
杨道文
李勇
张智胜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Hanwei Intelligent Medical Technology Co ltd
Original Assignee
Shenzhen Hanwei Intelligent Medical Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Hanwei Intelligent Medical Technology Co ltd filed Critical Shenzhen Hanwei Intelligent Medical Technology Co ltd
Priority to CN202110045624.5A priority Critical patent/CN112767415A/zh
Publication of CN112767415A publication Critical patent/CN112767415A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • G06T2207/10024—Color 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
    • G06T2207/10—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
    • G06T2207/30196—Human being; Person

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种胸部扫查区域自动确定方法、装置、设备及存储介质，本发明通过获取待扫查的目标人员的图像信息，并基于所述目标人员建立空间坐标系，根据所述图像信息和所述空间坐标系，确定预设数量的目标关键点，根据所述目标关键点，确定所述目标人员的目标扫查区域，即通过从扫查图像中确定预设数量的目标关键点，将对区域的确定转化为对关键点的确定，利用目标关键点对扫查区域进行划分，使扫查区域的分割更加准确。

Description

胸部扫查区域自动确定方法、装置、设备及存储介质
技术领域
本发明涉及扫查诊疗技术领域，尤其涉及一种胸部扫查区域自动确定方法、装置、设备及存储介质。
背景技术
目前现行的扫查诊疗技术中，在对胸部区域进行扫查后，若需要进一步确定病灶或对疾病做更加准确的诊断，往往需要从扫查图像中提取特征部位，例如肺气管或支气管等，在提取特征部位时需要对扫查图像做进一步的处理，且大多需要进行多次扫查以获取多张扫查图像作为样本，例如，将多层胸部扫查图像进行融合，并获取指定图像层进行灰度映射，然后对图像上的特定点进行3D区域增长，进而从胸部扫查图像中提取肺气管，但是由于现有的胸部扫查技术无法准确分割出胸部的扫查区域，导致对胸部扫查图像的处理结果不准确，从而影响医务人员对疾病的诊断。
发明内容
本发明的主要目的在于提供一种胸部扫查区域自动确定方法、装置、设备及存储介质，旨在解决现有胸部扫查技术中胸部扫查区域分割不准确的技术问题。
此外，为实现上述目的，本发明还提供一种胸部扫查区域自动确定方法，所述胸部扫查区域自动确定方法包括以下步骤：
获取待扫查的目标人员的图像信息，并基于所述目标人员建立空间坐标系；
根据所述图像信息和所述空间坐标系，确定预设数量的目标关键点；
根据所述目标关键点，确定所述目标人员的目标扫查区域。
可选地，所述根据所述图像信息和所述空间坐标系，确定预设数量的目标关键点的步骤，包括：
利用预设图像检测算法，对所述图像信息进行检测，以确定所述目标人员的目标扫查区域的第一目标关键点；
对所述图像信息进行三维重建处理，得到所述目标人员对应的三维图像；
基于所述空间坐标系，根据所述第一目标关键点和所述三维图像，确定所述目标人员的目标扫查区域的第二目标关键点。
可选地，所述利用预设图像检测算法，对所述图像信息进行检测，以确定所述目标人员的目标扫查区域的第一目标关键点的步骤，包括：
从所述图像信息中确定所述目标人员在预设方位对应的目标图像；
利用预设图像检测算法，提取所述目标图像的局部特征信息；
根据所述局部特征信息，确定所述目标人员的目标扫查区域的第一目标关键点。
可选地，所述基于所述空间坐标系，根据所述第一目标关键点和所述三维图像，确定所述目标人员的目标扫查区域的第二目标关键点的步骤，包括：
将所述第一目标关键点投影到所述三维图像中；
获取所述第一目标关键点在所述空间坐标系中的第一坐标数据；
利用预设算法，对所述第一坐标数据进行计算，得到第二坐标数据；
根据所述第二坐标数据，确定所述目标人员的目标扫查区域的第二目标关键点。
可选地，所述将所述第一目标关键点投影到所述三维图像中的步骤，包括：
确定所述第一目标关键点对应的参考视点；
确定所述第一目标关键点到所述参考视点的投影射线与所述三维图像的目标交点；
根据所述目标交点，确定所述第一目标关键点在所述三维图像中对应的目标位置。
可选地，所述利用预设算法，对所述第一坐标数据进行计算，得到第二坐标数据的步骤，包括：
利用第一预设算法，对所述第一坐标数据进行计算，得到第一子坐标；
利用第二预设算法，对所述第一子坐标进行计算，得到第二子坐标；
根据所述第一子坐标和所述第二子坐标，确定第三子坐标；
将所述第一子坐标、所述第二子坐标以及所述第三子坐标进行整合，得到第二坐标数据。
可选地，所述根据所述第一子坐标和所述第二子坐标，确定第三子坐标的步骤，包括：
根据所述第一子坐标和所述第二子坐标，确定所述第二目标关键点中的目标过渡点；
确定所述目标过渡点在所述三维图像上对应的剖面曲线，并基于所述目标过渡点和预设方向建立参考方向向量；
根据所述剖面曲线和所述参考方向向量，确定第三子坐标。
此外，为实现上述目的，本发明还提供一种胸部扫查区域自动确定装置，所述胸部扫查区域自动确定装置包括：
信息采集模块，用于获取待扫查的目标人员的图像信息，并基于所述目标人员建立空间坐标系；
关键点识别模块，用于根据所述图像信息和所述空间坐标系，确定预设数量的目标关键点；
区域确定模块，用于根据所述目标关键点，确定所述目标人员的目标扫查区域。
此外，为实现上述目的，本发明还提供一种胸部扫查区域自动确定设备，所述胸部扫查区域自动确定设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的胸部扫查区域自动确定程序，所述胸部扫查区域自动确定程序被所述处理器执行时实现如上述的胸部扫查区域自动确定方法的步骤。
此外，为实现上述目的，本发明还提供一种存储介质，所述存储介质上存储有胸部扫查区域自动确定程序，所述胸部扫查区域自动确定程序被处理器执行时实现如上述的胸部扫查区域自动确定方法的步骤。
本发明实施例提出的一种胸部扫查区域自动确定方法、装置、设备及存储介质，与现有技术中无法准确分割出胸部扫查区域相比，本发明实施例中，通过获取待扫查的目标人员的图像信息，并基于所述目标人员建立空间坐标系，根据所述图像信息和所述空间坐标系，确定预设数量的目标关键点，根据所述目标关键点，确定所述目标人员的目标扫查区域。即通过从扫查图像中确定预设数量的目标关键点，将区域的划分转化为关键点的确定，结合建立的空间坐标系，将关键点的位置确定转化为对关键点的坐标的计算，从而能准确的确定关键点的位置，然后利用目标关键点对扫查区域进行划分，从而准确分割出目标扫查区域，使扫查效果更好。
附图说明
图1为本发明实施例提供的设备一种实施方式的硬件结构示意图；
图2为本发明胸部扫查区域自动确定方法第一实施例的流程示意图；
图3为本发明胸部扫查区域自动确定方法第二实施例中第一子坐标的计算示意图；
图4为本发明胸部扫查区域自动确定方法第二实施例中第三子坐标的计算示意图；
图5为本发明胸部扫查区域自动确定装置第一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
本发明实施例胸部扫查区域自动确定设备(又叫终端、设备或者终端设备)可以是带有PC、平板电脑或便携计算机等具有显示功能的胸部扫描仪。
如图1所示，该终端可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地，终端还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在移动终端移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；当然，移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及胸部扫查区域自动确定程序。
在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的胸部扫查区域自动确定程序，所述胸部扫查区域自动确定程序被处理器执行时实现下述实施例提供的胸部扫查区域自动确定方法中的操作。
基于上述设备硬件结构，提出了本发明胸部扫查区域自动确定方法的实施例。
参照图2，在本发明胸部扫查区域自动确定方法的第一实施例中，所述胸部扫查区域自动确定方法包括：
步骤S10，获取待扫查的目标人员的图像信息，并基于所述目标人员建立空间坐标系；
本发明中的胸部扫查区域自动确定方法应用于胸部扫查设备，包括但不限于三维胸部CT扫描仪，以下以三维胸部CT扫描仪(以下简称CT扫描仪)为例进行说明。利用该扫描仪可以获取待扫查人员不同方位的图像，例如，当待扫查目标人员仰卧时，可以获取到目标人员正上方和两侧的扫描图像，获取待扫查的目标人员不同方位的扫查图像，得到待扫查的目标人员对应的图像信息，扫查图像可以是二维的彩色图像，单不限于二维彩色图像，也可以是通过深度传感器获取的三维图像，在此不作具体限定，本实施例以二维彩色图像为例进行说明。
获取待扫查的目标人员的图像信息后，基于该目标人员建立空间坐标系，建立空间坐标系时，以待扫查的目标人员为参考，例如，当待扫查的目标人员仰卧时，利用扫描仪上的固定点为参考原点，以待扫查的目标人员身体纵向方向为X轴，目标人员的左胳膊到右胳膊，或左肩到右肩的方向为Y轴，垂直于目标人员身体以及扫描仪中的床面的方向为Z轴，建立空间坐标系。
步骤S20，根据所述图像信息和所述空间坐标系，确定预设数量的目标关键点；
本实施例中的目标关键点是指，可以将目标扫查区域准确分割出来的关键点，目标关键点包括第一目标关键点和第二目标关键点，第一目标关键点和第二目标关键点都包括多个关键点，二者的区别在于，第一目标关键点代表了身体各个关键部位中心，在二维图像上具有显著的局部特征，例如右肩和左肩、锁骨中心、乳头、腋窝中心等，因此可以直接利用获取到的图像信息进行确定，第二目标关键点在二维图像上没有显著的局部特征，因此，需要在第一目标关键点的基础上，利用预设算法通过计算，才能准确得到，根据图像信息也可以直接确定第二目标关键点，但由于局部特征的缺失，可能会导致检测结果不稳定，从而影响目标扫查区域分割的准确性。在确定目标关键点时，先基于图像信息确定第一目关键点，然后获取第一目标关键点的中各个关键点的坐标数据，然后基于获取到的图像信息，在建立的空间坐标系中，对第一目标关键点中关键点的坐标数据进行计算，准确确定第二目标关键点的坐标数据，从而确定第二目标关键点中的各个关键点，在待扫查的目标人员的身体上对应的位置，将待扫查的目标人员的关键扫查部位，以及目标扫查区域，转化为对空间坐标系中目标关键点的坐标的计算。
步骤S30，根据所述目标关键点，确定所述目标人员的目标扫查区域。
只要得出目标关键点中，各个关键点在空间坐标系中的坐标，就可以确定各个关键点在待扫查目标人员的身体上对应的位置。根据目标关键点中各个关键点的坐标数据，确定待扫查目标人员的关键扫查部位，以及，利用目标关键点进行划分，分割出目标扫查区域，缩小扫查范围，使扫查区域更加准确。例如，当待扫查的目标人员体型较为高大时，若不能准确的分割出目标扫查区域，需要利用扫描仪对该目标人员无针对性地进行扫描，即要把目标人员的上半身全部划分为扫描仪的扫描范围内，这可能会导致扫描射线与目标人员的距离过远，从而造成扫描图像中的关键部位的图像较小而不够清晰，进而影响医务人员对疾病的诊断。当利用目标关键点对目标扫查区域进行划分，分割出目标扫查区域后，可以缩小扫描范围，进而缩小扫描仪与目标人员之间的扫描距离，相当于对目标扫查区域进行局部放大，从而使关键部位在扫描图像中变得更加清晰，有利于后续的诊断。
步骤S20的细化步骤，包括步骤A1-A3：
步骤A1，利用预设图像检测算法，对所述图像信息进行检测，以确定所述目标人员的目标扫查区域的第一目标关键点；
步骤A2，对所述图像信息进行三维重建处理，得到所述目标人员对应的三维图像；
步骤A3，基于所述空间坐标系，根据所述第一目标关键点和所述三维图像，确定所述目标人员的目标扫查区域的第二目标关键点。
利用预设的图像检测算法，对图像信息中的二维彩色图像进行图像检测，可以得到待扫查的目标人员的目标扫查区域的第一目标关键点，如上所述，第一目标关键点在扫描图像中，具有明显的局部特征，可以通过图像检测算法如图像关键点检测算法等进行确定。
确定第一目标关键点后，对获取的图像信息进行三维重建，由于本实施例中的扫描仪是三维扫描仪，可以获取到目标人员不同方位的二维彩色图像，例如，当待扫查的目标人员仰卧时，可以获取该目标人员正面和左右两侧至少三个方位的扫描图像，基于不同视角的图像，对获取的图像信息进行融合，构建出待扫查的目标人员的三维图像，如三维点云图像，也可以通过深度传感器直接获取待扫描人员在不同视角的三维图像，对不同视角的三维图像进行融合重建，得到待扫查的目标人员的完整的三维图像，以三维点云图像为例，在构建出三维点云图像后，结合建立的空间坐标系，可以获取到第一目标关键点对应的第一坐标数据，其中，第一坐标数据中包括第一目标关键点中各个关键点的坐标，利用预设算法，对第一目标关键点中的关键点的坐标进行计算，得到第二目标关键点的第二坐标数据，其中，第二坐标数据包括第二目标关键点中各个关键点的坐标，进而得出目标关键点中，各个关键点在空间坐标系中的坐标，从而确定各个关键点在待扫查目标人员的身体上对应的位置。
步骤A1的细化步骤，包括步骤A11-A13：
步骤A11，从所述图像信息中确定所述目标人员在预设方位对应的目标图像；
步骤A12，利用预设图像检测算法，提取所述目标图像的局部特征信息；
步骤A13，根据所述局部特征信息，确定所述目标人员的目标扫查区域的第一目标关键点。
在本实施例中，当目标人员仰卧时，至少可以获取该目标人员身体前方和左右两侧方向至少三个方位的扫描图像，从获取的扫描图像中确定目标人员身体前方和左右两侧方向的扫描图像作为目标图像，然后利用预设图像检测算法，对目标图像进行图像检测，提取目标图像中的局部特征信息，例如灰度值等，根据提取的局部特征信息确定第一目标关键点。
在本实施例中，预设图像检测算法中的一种优选算法可以是openpose(人体姿态识别)算法，该算法可以通过对人体关键点的检测实现对人体动作、面部表情、手指运动等姿态的估计，利用openpose算法检测出第一目标关键点。以10个目标关键点为例，将左右肩膀、锁骨中心、左右乳头以及左右腋窝中心7个点作为第一目关键点，将胸下围心窝位置，以及心窝左右两侧各确定一点，三个关键点作为第二目标扫查区域，确定目标扫查区域的下边缘位置。将第一目标关键点中的锁骨中心标记为点1，右肩和左肩分别标记为点2、点3，两侧乳头分别标记为点4、点5，左右腋窝中心标记为点6、点8，将第二目标关键点中心窝位置标记为点10，心窝左右两侧的位置标记为点7和点9。其中，点1、点2、点3、点4、点5、点6和点8可以利用openpose算法检测出来。其中，点4和点5也可以通过灰度值检测算法确定，具体地，检测扫描图像中点1下方，左右对称的位置灰度值变化较大的区域确定点4和点5。
步骤A2的细化步骤，包括步骤A31-A34：
步骤A31，将所述第一目标关键点投影到所述三维图像中；
步骤A32，获取所述第一目标关键点在所述空间坐标系中的第一坐标数据；
步骤A33，利用预设算法，对所述第一坐标数据进行计算，得到第二坐标数据；
步骤A34，根据所述第二坐标数据，确定所述目标人员的目标扫查区域的第二目标关键点。
将第一目标关键点投影到三维点云图像中，结合空间坐标系，确定第一目标关键点的第一坐标数据，利用预设算法，对第一坐标关键点中的关键点的坐标进行计算，得到第二目标关键点的第二坐标数据。以上述的10个目标关键点，和以扫描仪上的固定点为参考原点建立的空间坐标系为例，将点1、点2、点3、点4、点5、点6和点8投影到三维点云图像中，可以确定以上七个关键点在空间坐标系中的坐标，第二目标关键点包括点7、点9和点10，根据人体构造，利用预设算法，通过点4和点5的坐标可以确定点10的坐标，然后根据点10的坐标分别确定点7、点9的坐标，进而得到所有关键点的坐标数据。
在本实施例中，通过获取待扫查的目标人员的图像信息，并基于所述目标人员建立空间坐标系，根据所述图像信息和所述空间坐标系，确定预设数量的目标关键点，根据所述目标关键点，确定所述目标人员的目标扫查区域。即对扫查图像进行图像检测，从扫查图像中确定预设数量的目标关键点，将区域的划分转化为关键点的确定，其中，目标关键点包括第一目标关键点和第二目标关键点，利用图像检测算法检测出第一目标关键点，并对获取的图像信息进行重建处理，构造出目标人员的三维图像，结合建立的空间坐标系获取第一目标关键点的坐标数据，然后利用预设算法，对第一目标关键点的坐标数据进行计算，得到第二目标关键点的坐标数据，将关键点的确定转化为对关键点坐标的计算，从而能准确确定关键点的位置，然后利用目标关键点对目标扫查区域进行划分，能准确分割出扫查区域，使扫查效果更好。
进一步地，在本发明上述实施例的基础上，提出了本发明方法的第二实施例。
本实施例是第一实施例中步骤A31和A33细化的步骤，本实施例与本发明上述实施例的区别在于：
步骤A31的细化步骤，包括步骤B1-B3：
步骤B1，确定所述第一目标关键点对应的参考视点；
步骤B2，确定所述第一目标关键点到所述参考视点的投影射线与所述三维图像的目标交点；
步骤B3，根据所述目标交点，确定所述第一目标关键点在所述三维图像中对应的目标位置。
本实施例以上述构建的三维点云图像和10个关键点以及建立的空间坐标系为例，在将第一目标关键点中的各个关键点投影到构建的三维点云图像中时，首先确定第一目标关键点中各个关键点对应的参考视点，参考视点为获取该关键点所在图像的相机的位置，然后利用第一目标关键点中的关键点到参考视点的投影射线，确定各个关键点在三维点云图像中对应的投影位置，投影射线是虚拟的线，但是可以根据投影原理进行计算即可确定，然后利用反投影，通过计算将参考视点对应的关键点投影到图像中，具体地，首先根据投影原理，通过计算确定与第一目标关键点中的关键点到对应的参考视点的投影射线重合的虚拟射线，利用反投影原理进行计算，确定虚拟射线与三维点云图像的交点，该交点即为各个关键点投影在三维点云图像中对应的投影点。
步骤A33的细化步骤，包括步骤C1-C4：
步骤C1，利用第一预设算法，对所述第一坐标数据进行计算，得到第一子坐标；
步骤C2，利用第二预设算法，对所述第一子坐标进行计算，得到第二子坐标；
步骤C3，根据所述第一子坐标和所述第二子坐标，确定第三子坐标；
步骤C4，将所述第一子坐标、所述第二子坐标以及所述第三子坐标进行整合，得到第二坐标数据。
在本实施例中，与上述实施例相同，第一目标关键点包括点1、点2、点3、点4、点5、点6和点8七个关键点，第二目标关键点包括点7、点9和点10三个关键点，点7、点9和点10三个关键点在三维点云图像上组成的面，平行于空间坐标系中的YZ平面，点7、点9和点10三个关键点的X轴坐标相同，点7、点9和点10三个关键点的X轴坐标，以及点10的Y轴坐标即为第一坐标数据中的第一子坐标，利用第一预设算法，对第一坐标数据进行计算得到第一子坐标，具体地，如图3所示，根据人体的构造特点，点7、点9和点10三个关键点的X轴坐标可以根据点4和点5的坐标确定，计算公式如下(公式1)：
Y10＝P45(Y)，X7,9,10＝P45(X)+r·D45 (1)
其中，X7,9,10表示点7、点9和点10三个关键点的X轴坐标，Y10表示点10的Y轴坐标，P45表示点4和点5的中点，P45(X)表示点P45的X轴坐标，P45(Y)表示点P45的Y轴坐标，D45表示点4和点5之间的距离，r是一个可调参数，可以根据目标人员的体型进行自定义设置，目标人员的体型可能偏瘦或偏胖，不同的人上半身和下半身比例也大不相同，r参数的可调节性提高了算法的灵活性，从而能准确地确定不同体型的目标人员的关键点坐标。
根据点10的Y轴坐标和X轴坐标，利用第二预设算法，可以确定点10的Z轴坐标，点10的Z轴坐标为第二坐标数据中的第二子坐标，过点[X10,Y10,0]且平行于Z轴的直线与三维点云图像的曲面的交点的Z轴坐标，即为点10的Z轴坐标，而该交点也可以利用投影和反投影原理，按照第一目标关键点的投影方式得到。点7和点9为点10左右两侧对称的两点，点7和点9的Y轴Z轴坐标可以根据点10得到，由于将点7、点9和点10三个关键点的各个轴的坐标是分别计算得到的，因此需要将三个关键点各个轴的坐标分别对应整合，即得到第二目标关键点中各个关键点的坐标，也即第二目标关键点对应的第二坐标数据。
步骤C3的细化步骤，包括步骤C31-C33：
步骤C31，根据所述第一子坐标和所述第二子坐标，确定所述第二目标关键点中的目标过渡点；
步骤C32，确定所述目标过渡点在所述三维图像上对应的剖面曲线，并基于所述目标过渡点和预设方向建立参考方向向量；
步骤C33，根据所述剖面曲线和所述参考方向向量，确定第三子坐标。
根据第二坐标数据中的第二子坐标，可以得到第二目标关键点中的目标过渡点，同样以上述10个关键点作为目标关键点为例，第二子坐标即为点10的Z轴坐标，在确定点10的Z轴坐标后，结合第一子坐标中的点10的X轴和Y轴坐标，得到点10在空间坐标系中的坐标，由于点7和点9关于点10对称，且点7和点9的Y轴和Z轴坐标可以根据点10的空间坐标得到，因此将点10作为求点7和点9的坐标的目标过渡点。
具体地，确定与Z轴正方向同向的单位方向向量作为参考方向向量，该参考方向向量可以在Z轴上，确定过[X10,0,0]点且平行于YZ坐标平面的平面与三维点云图像的相交曲线，由于三维点云图像为三维立体图像，因此，过[X10,0,0]点且平行于YZ坐标平面的平面为三维点云图像在点10处的剖面，因此，该剖面与三维点云图像的相交曲线即为剖面曲线，而点7、点9和点10均为该剖面曲线上的点。如图4所示，为该剖面曲线的示意图，图中方向向量V7为该剖面曲线在点7处的切线的单位方向向量。由于点7和点9在空间上关于点10对称，因此，根据点10的坐标求点7和点9的Y轴Z轴坐标的方法是相同的，为避免重复，本实施例中，以求点7的Y轴和Z轴坐标为例进行说明，在通过点10得到与三维点云图像的剖面曲线后，求点7的Y轴Z轴坐标时，如图4所示，沿着Y轴负方向检测剖面曲线上各个点处的切线，并确定各个切线与Y轴负方向相同的单位方向向量，当检测到的剖面曲线的切线的单位方向向量与参考方向向量之间的夹角大于预设值时，该点对应的Y轴Z轴的坐标即为点7的Y轴Z轴坐标，同样地，利用同样的方法，沿着Y轴正方向检测，得到点9的Y轴Z轴坐标。
在确定剖面曲线上的切线的单位方向向量与参考方向向量的夹角时，可以直接将Z轴作为参考方向向量，夹角的预设值可以是180度也可以是120度，在此不作具体限定，以180度为例，在获取点7的Y轴Z轴坐标时，当检测到切线的单位方向向量与参考方向向量的夹角大于180度时，即确定该点对应的Y轴Z轴坐标为点7的坐标，同样地，沿着Y轴正方向检测剖面曲线上各个点处的切线，并确定各个切线与Y轴正方向相同的单位方向向量，当检测到切线的单位方向向量与参考方向向量的夹角大于180度时，即确定该点对应的Y轴Z轴坐标为点9的坐标。
在本实施例中，通过对获取的图像信息进行重建处理，得到待扫查的目标人员的三维图像，并将第一目标关键点中的各个关键点投影到所述三维图像中，结合建立的空间坐标系，得到第一目标关键点对应的第一坐标数据，利用预设算法对第一坐标数据进行计算，得到第二目标关键点对应的第二坐标数据，其中，所述第二目标关键点为在获取的扫描图像中，不具有明显局部特征信息的关键点，若根据获取的二维扫描图像进行检测确定第二目标关键点，由于局部特征的缺失容易导致检测结果不稳定，而通过融合二维图像和三维图像的信息，利用预设算法对第一目标关键点的第一坐标数据进行计算确定第二目标关键点，将对关键点的确定转换为对坐标的计算，可以弥补图像检测的不稳定性，使获取的关键点更加准确。
此外，参照图5，本发明实施例还提出一种胸部扫查区域自动确定装置，所述胸部扫查区域自动确定装置包括：
信息采集模块10，用于获取待扫查的目标人员的图像信息，并基于所述目标人员建立空间坐标系；
关键点识别模块20，用于根据所述图像信息和所述空间坐标系，确定预设数量的目标关键点；
区域确定模块30，用于根据所述目标关键点，确定所述目标人员的目标扫查区域。
可选地，所述关键点识别模块20，包括：
图像检测单元，用于利用预设图像检测算法，对所述图像信息进行检测，以确定所述目标人员的目标扫查区域的第一目标关键点；
图像构建单元，用于对所述图像信息进行三维重建处理，得到所述目标人员对应的三维图像；
第一关键点确定单元，用于基于所述空间坐标系，根据所述第一目标关键点和所述三维图像，确定所述目标人员的目标扫查区域的第二目标关键点。
可选地，所述关键点识别模块20，还包括：
图像确定单元，用于从所述图像信息中确定所述目标人员在预设方位对应的目标图像；
特征提取单元，用于利用预设图像检测算法，提取所述目标图像的局部特征信息；
第二关键点确定单元，用于根据所述局部特征信息，确定所述目标人员的目标扫查区域的第一目标关键点。
可选地，所述关键点识别模块20，还包括：
投影单元，用于将所述第一目标关键点投影到所述三维图像中；
第一获取单元，用于获取所述第一目标关键点在所述空间坐标系中的第一坐标数据；
第一计算单元，用于利用预设算法，对所述第一坐标数据进行计算，得到第二坐标数据；
第三关键点确定单元，用于根据所述第二坐标数据，确定所述目标人员的目标扫查区域的第二目标关键点。
可选地，所述关键点识别模块20，还包括：
参考视点确定单元，用于确定所述第一目标关键点对应的参考视点；
交点确定单元，用于确定所述第一目标关键点到所述参考视点的投影射线与所述三维图像的目标交点；
位置确定单元，用于根据所述目标交点，确定所述第一目标关键点在所述三维图像中对应的目标位置。
可选地，所述关键点识别模块20，还包括：
第二计算单元，用于利用第一预设算法，对所述第一坐标数据进行计算，得到第一子坐标；
第三计算单元，用于利用第二预设算法，对所述第一子坐标进行计算，得到第二子坐标；
坐标确定单元，用于根据所述第一子坐标和所述第二子坐标，确定第三子坐标；
坐标整合单元，用于将所述第一子坐标、所述第二子坐标以及所述第三子坐标进行整合，得到第二坐标数据。
可选地，所述关键点识别模块20，还包括：
过渡点确定单元，用于根据所述第一子坐标和所述第二子坐标，确定所述第二目标关键点中的目标过渡点；
向量创建单元，用于确定所述目标过渡点在所述三维图像上对应的剖面曲线，并基于所述目标过渡点和预设方向建立参考方向向量；
子坐标确定单元，用于根据所述剖面曲线和所述参考方向向量，确定第三子坐标。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有胸部扫查区域自动确定程序，所述胸部扫查区域自动确定程序被处理器执行时实现上述实施例提供的胸部扫查区域自动确定方法中的操作。
上述各程序模块所执行的方法可参照本发明方法各个实施例，此处不再赘述。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体/操作/对象与另一个实体/操作/对象区分开来，而不一定要求或者暗示这些实体/操作/对象之间存在任何这种实际的关系或者顺序；术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的。可以根据实际的需要选择中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
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，本发明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如上所述的一个存储介质(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)执行本发明各个实施例所述的胸部扫查区域自动确定方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种胸部扫查区域自动确定方法，其特征在于，所述胸部扫查区域自动确定方法包括以下步骤：
获取待扫查的目标人员的图像信息，并基于所述目标人员建立空间坐标系；
根据所述图像信息和所述空间坐标系，确定预设数量的目标关键点；
根据所述目标关键点，确定所述目标人员的目标扫查区域。
2.如权利要求1所述的胸部扫查区域自动确定方法，其特征在于，所述根据所述图像信息和所述空间坐标系，确定预设数量的目标关键点的步骤，包括：
利用预设图像检测算法，对所述图像信息进行检测，以确定所述目标人员的目标扫查区域的第一目标关键点；
对所述图像信息进行三维重建处理，得到所述目标人员对应的三维图像；
基于所述空间坐标系，根据所述第一目标关键点和所述三维图像，确定所述目标人员的目标扫查区域的第二目标关键点。
3.如权利要求2所述的胸部扫查区域自动确定方法，其特征在于，所述利用预设图像检测算法，对所述图像信息进行检测，以确定所述目标人员的目标扫查区域的第一目标关键点的步骤，包括：
从所述图像信息中确定所述目标人员在预设方位对应的目标图像；
利用预设图像检测算法，提取所述目标图像的局部特征信息；
根据所述局部特征信息，确定所述目标人员的目标扫查区域的第一目标关键点。
4.如权利要求2所述的胸部扫查区域自动确定方法，其特征在于，所述基于所述空间坐标系，根据所述第一目标关键点和所述三维图像，确定所述目标人员的目标扫查区域的第二目标关键点的步骤，包括：
将所述第一目标关键点投影到所述三维图像中；
获取所述第一目标关键点在所述空间坐标系中的第一坐标数据；
利用预设算法，对所述第一坐标数据进行计算，得到第二坐标数据；
根据所述第二坐标数据，确定所述目标人员的目标扫查区域的第二目标关键点。
5.如权利要求4所述的胸部扫查区域自动确定方法，其特征在于，所述将所述第一目标关键点投影到所述三维图像中的步骤，包括：
确定所述第一目标关键点对应的参考视点；
确定所述第一目标关键点到所述参考视点的投影射线与所述三维图像的目标交点；
根据所述目标交点，确定所述第一目标关键点在所述三维图像中对应的目标位置。
6.如权利要求4所述的胸部扫查区域自动确定方法，其特征在于，所述利用预设算法，对所述第一坐标数据进行计算，得到第二坐标数据的步骤，包括：
利用第一预设算法，对所述第一坐标数据进行计算，得到第一子坐标；
利用第二预设算法，对所述第一子坐标进行计算，得到第二子坐标；
根据所述第一子坐标和所述第二子坐标，确定第三子坐标；
将所述第一子坐标、所述第二子坐标以及所述第三子坐标进行整合，得到第二坐标数据。
7.如权利要求6所述的胸部扫查区域自动确定方法，其特征在于，所述根据所述第一子坐标和所述第二子坐标，确定第三子坐标的步骤，包括：
根据所述第一子坐标和所述第二子坐标，确定所述第二目标关键点中的目标过渡点；
确定所述目标过渡点在所述三维图像上对应的剖面曲线，并基于所述目标过渡点和预设方向建立参考方向向量；
根据所述剖面曲线和所述参考方向向量，确定第三子坐标。
8.一种胸部扫查区域自动确定装置，其特征在于，所述胸部扫查区域自动确定装置包括：
信息采集模块，用于获取待扫查的目标人员的图像信息，并基于所述目标人员建立空间坐标系；
关键点识别模块，用于根据所述图像信息和所述空间坐标系，确定预设数量的目标关键点；
区域确定模块，用于根据所述目标关键点，确定所述目标人员的目标扫查区域。
9.一种胸部扫查区域自动确定设备，其特征在于，所述胸部扫查区域自动确定设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的胸部扫查区域自动确定程序，所述胸部扫查区域自动确定程序被所述处理器执行时实现如权利要求1至7中任一项所述的胸部扫查区域自动确定方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有胸部扫查区域自动确定程序，所述胸部扫查区域自动确定程序被处理器执行时实现如权利要求1至7中任一项所述的胸部扫查区域自动确定方法的步骤。
CN202110045624.5A 2021-01-13 2021-01-13 胸部扫查区域自动确定方法、装置、设备及存储介质 Pending CN112767415A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110045624.5A CN112767415A (zh) 2021-01-13 2021-01-13 胸部扫查区域自动确定方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110045624.5A CN112767415A (zh) 2021-01-13 2021-01-13 胸部扫查区域自动确定方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN112767415A true CN112767415A (zh) 2021-05-07

Family

ID=75700425

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110045624.5A Pending CN112767415A (zh) 2021-01-13 2021-01-13 胸部扫查区域自动确定方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112767415A (zh)

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000121358A (ja) * 1998-10-19 2000-04-28 Asia Air Survey Co Ltd 検査点位置取得方法および装置
US20140037194A1 (en) * 2011-04-13 2014-02-06 Unisantis Electronics Singapore Pte. Ltd. Three-dimensional point cloud position data processing device, three-dimensional point cloud position data processing system, and three-dimensional point cloud position data processing method and program
CN104376563A (zh) * 2014-11-21 2015-02-25 深圳市理邦精密仪器股份有限公司 一种超声宽景成像的处理方法及装置
CN107563992A (zh) * 2014-03-11 2018-01-09 上海联影医疗科技有限公司 一种乳房皮肤线的检测方法和装置
CN109978838A (zh) * 2019-03-08 2019-07-05 腾讯科技（深圳）有限公司 图像区域定位方法、装置和医学图像处理设备
CN110443154A (zh) * 2019-07-15 2019-11-12 北京达佳互联信息技术有限公司 关键点的三维坐标定位方法、装置、电子设备和存储介质
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
CN110664438A (zh) * 2019-10-22 2020-01-10 深圳瀚维智能医疗科技有限公司 超声扫查轨迹规划方法、装置、存储介质及计算机设备
CN111127461A (zh) * 2019-12-31 2020-05-08 东软医疗系统股份有限公司 胸部图像处理方法、装置、存储介质及医疗设备
CN111402360A (zh) * 2020-03-13 2020-07-10 北京奇艺世纪科技有限公司 生成人体模型的方法、装置、计算机设备和存储介质
US20200245894A1 (en) * 2019-02-02 2020-08-06 Shanghai United Imaging Healthcare Co., Ltd. System and method for medical imaging
CN111544035A (zh) * 2020-05-12 2020-08-18 上海深至信息科技有限公司 一种基于增强现实的超声辅助扫查系统及方法
CN111583188A (zh) * 2020-04-15 2020-08-25 武汉联影智融医疗科技有限公司 手术导航标记点定位方法、存储介质及计算机设备
CN111652047A (zh) * 2020-04-17 2020-09-11 福建天泉教育科技有限公司 基于彩色图和深度图的人体姿势识别方法及存储介质
KR20200111850A (ko) * 2019-03-19 2020-10-05 오스템임플란트 주식회사 스캔 영역 재탐지를 위한 영상 검색 및 매칭 방법과 이를 수행하는 영상 처리장치
CN112053427A (zh) * 2020-10-15 2020-12-08 珠海格力智能装备有限公司 一种点云的特征提取方法、装置、设备及可读存储介质
CN112057107A (zh) * 2020-09-14 2020-12-11 无锡祥生医疗科技股份有限公司 超声扫查方法、超声设备及系统

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000121358A (ja) * 1998-10-19 2000-04-28 Asia Air Survey Co Ltd 検査点位置取得方法および装置
US20140037194A1 (en) * 2011-04-13 2014-02-06 Unisantis Electronics Singapore Pte. Ltd. Three-dimensional point cloud position data processing device, three-dimensional point cloud position data processing system, and three-dimensional point cloud position data processing method and program
CN107563992A (zh) * 2014-03-11 2018-01-09 上海联影医疗科技有限公司 一种乳房皮肤线的检测方法和装置
CN104376563A (zh) * 2014-11-21 2015-02-25 深圳市理邦精密仪器股份有限公司 一种超声宽景成像的处理方法及装置
US20200245894A1 (en) * 2019-02-02 2020-08-06 Shanghai United Imaging Healthcare Co., Ltd. System and method for medical imaging
CN109978838A (zh) * 2019-03-08 2019-07-05 腾讯科技（深圳）有限公司 图像区域定位方法、装置和医学图像处理设备
KR20200111850A (ko) * 2019-03-19 2020-10-05 오스템임플란트 주식회사 스캔 영역 재탐지를 위한 영상 검색 및 매칭 방법과 이를 수행하는 영상 처리장치
CN110443154A (zh) * 2019-07-15 2019-11-12 北京达佳互联信息技术有限公司 关键点的三维坐标定位方法、装置、电子设备和存储介质
CN110664438A (zh) * 2019-10-22 2020-01-10 深圳瀚维智能医疗科技有限公司 超声扫查轨迹规划方法、装置、存储介质及计算机设备
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
CN111127461A (zh) * 2019-12-31 2020-05-08 东软医疗系统股份有限公司 胸部图像处理方法、装置、存储介质及医疗设备
CN111402360A (zh) * 2020-03-13 2020-07-10 北京奇艺世纪科技有限公司 生成人体模型的方法、装置、计算机设备和存储介质
CN111583188A (zh) * 2020-04-15 2020-08-25 武汉联影智融医疗科技有限公司 手术导航标记点定位方法、存储介质及计算机设备
CN111652047A (zh) * 2020-04-17 2020-09-11 福建天泉教育科技有限公司 基于彩色图和深度图的人体姿势识别方法及存储介质
CN111544035A (zh) * 2020-05-12 2020-08-18 上海深至信息科技有限公司 一种基于增强现实的超声辅助扫查系统及方法
CN112057107A (zh) * 2020-09-14 2020-12-11 无锡祥生医疗科技股份有限公司 超声扫查方法、超声设备及系统
CN112053427A (zh) * 2020-10-15 2020-12-08 珠海格力智能装备有限公司 一种点云的特征提取方法、装置、设备及可读存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
FENG CHEN: "Three-dimensional reconstruction of CT image features based on multi-threaded deep learning calculation", 《PATTERN RECOGNITION LETTERS》 *
张娟: "机械臂辅助医学超声扫描系统研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Similar Documents

Publication Publication Date Title
CN110348543B (zh) 眼底图像识别方法、装置、计算机设备及存储介质
JP5920352B2 (ja) 情報処理装置、情報処理方法及びプログラム
EP2915140B1 (en) Fast initialization for monocular visual slam
CN109887077B (zh) 用于生成三维模型的方法和装置
JP2011095797A (ja) 画像処理装置、画像処理方法及びプログラム
US11954860B2 (en) Image matching method and device, and storage medium
CN111353506A (zh) 自适应的视线估计方法和设备
De Amici et al. A Wii remote-based infrared-optical tracking system
JP2017187861A (ja) 情報処理装置およびその制御方法
CN110570460A (zh) 目标跟踪方法、装置、计算机设备及计算机可读存储介质
US10078906B2 (en) Device and method for image registration, and non-transitory recording medium
JP2002259989A (ja) ポインティングジェスチャ検出方法及びその装置
CN111652047A (zh) 基于彩色图和深度图的人体姿势识别方法及存储介质
WO2023078169A1 (zh) 医学图像标记点识别方法、装置、电子设备及存储介质
Lee et al. Kinect who's coming—applying Kinect to human body height measurement to improve character recognition performance
CN111598896B (zh) 图像检测方法、装置、设备及存储介质
CN112733641A (zh) 物体尺寸测量方法、装置、设备及存储介质
WO2022041953A1 (zh) 行为识别方法、装置和存储介质
Kang et al. A robust extrinsic calibration method for non-contact gaze tracking in the 3-D space
JP5518677B2 (ja) 仮想情報付与装置及び仮想情報付与プログラム
US20030154201A1 (en) Data storage format for topography data
WO2020216158A1 (zh) 血压测量处理方法、装置及电子设备
JP7341736B2 (ja) 情報処理装置、情報処理方法及びプログラム
CN113570645A (zh) 图像配准方法、装置、计算机设备及介质
US20170007118A1 (en) Apparatus and method for estimating gaze from un-calibrated eye measurement points

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