CN113112490A - 一种三维医学影像标记点提取方法及系统 - Google Patents
一种三维医学影像标记点提取方法及系统 Download PDFInfo
- Publication number
- CN113112490A CN113112490A CN202110442917.7A CN202110442917A CN113112490A CN 113112490 A CN113112490 A CN 113112490A CN 202110442917 A CN202110442917 A CN 202110442917A CN 113112490 A CN113112490 A CN 113112490A
- Authority
- CN
- China
- Prior art keywords
- image
- point
- dimensional
- metal ball
- dimensional image
- 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.)
- Granted
Links
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10012—Stereo 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Abstract
本发明涉及医学图像处理技术领域,提供了一种三维医学影像标记点提取方法及系统,方法包括:通过三维成像设备扫描金属球,获取金属球的三维影像;对三维影像进行阀值分割,二值化三维影像的影像数据,形成二值化图像;确定二值化图像中的多个多边形区域;通过对比影像数据中的多边形的体积与金属球的实际物理体积剔除掉体积过大或者过小的干扰数据;对多边形数据在图像坐标系中Z方向与负Z方向的表面上求X和Y方向的梯度,获取Z方向上梯度的最大点与最小点;根据最大点与最小点优化三维影像中金属球质点因伪影在XY平面上的偏移,并进一步根据偏移值获取到真实质心的位置。对质点提取方法的基础上进行一定的优化,提高标记点的提取精度。
Description
技术领域
本发明涉及医学图像处理的技术领域,尤其涉及一种三维医学影像标记点提取方法及系统。
背景技术
随着科技的发展,近年来基于三维医学影像引导的辅助定位或手术导航产品有了很大的发展。在该类产品中,存在多个坐标系,其中确定各个坐标系之间的空间映射关系是必不可少的重要组成部分。只有确定了各个坐标系映射关系,将系统中各个设备统一到同一坐标系下,才可以进行后续操作。现有技术一般采用基于标记点的方法。一般将标记点固定在定位工具上,将带有标记点的定位工具称为标定器。将标定器与患者患处一起通过三维成像设备扫描,然后将三维影像中的标记点提取出来,通过建立影像中标记点与定位工具上标记点一一对应关系,可以得到影像在坐标系与定位工具坐标系之间的映射关系。目前,标记点一般采用金属圆球,影像标记点的提取方法有两种,第一种基于球心拟合的方法,该方法因为影像重建,因金属球较小所占体素有限以及需要对表面提取等原因,实现复杂且精度较低,因此一般不采用。第二种是计算质心的方法,此方法较为常用。但是由于三维成像设备与重建算法的特性,重建影像对金属会产生金属伪影。当伪影不均匀时会使质心偏移出金属球心。而大多的术中三维影像设备由于扫描不满一圈,导致重建伪影不均匀。标记点提取的精度直接影像整个产品的系统精度。
发明内容
针对上述问题,本发明的目的在于提供一种三维医学影像标记点提取方法及系统,对质点提取方法的基础上进行一定的优化,提高标记点的提取精度。
本发明的上述发明目的是通过以下技术方案得以实现的:
一种三维医学影像标记点提取方法,包括以下步骤:
S1:选取固定尺寸大小的金属球作为标记点,固定到定位工具上;
S2:通过三维成像设备扫描所述金属球,获取所述金属球的三维影像;
S3:对所述三维影像进行阀值分割,二值化所述三维影像的影像数据,形成二值化图像;
S4:采用包括区域生长在内的算法确定所述二值化图像中的多个多边形区域;
S5:通过对比影像数据中的多边形的体积与所述金属球的实际物理体积剔除掉体积过大或者过小的干扰数据;
S6:对所述多边形数据在图像坐标系中Z方向与负Z方向的表面上求X和Y方向的梯度,获取Z方向上梯度的最大点与最小点;
S7:根据所述最大点与所述最小点优化所述三维影像中所述金属球质点因伪影在XY平面上的偏移,并进一步根据偏移值获取到真实质心的位置。
进一步地,在步骤S3中,对所述三维影像进行阀值分割,二值化所述三维影像的影像数据,具体为:
S31:选定一个图像值作为用于阀值分割的二值化阀值;
S32:遍历所述三维影像,将大于等于所述二值化阀值的像素标记为1,小于所述二值化阀值的像素标记为0;
S33:得到包含标记0和1的所述二值化图像。
进一步地,在步骤S4中,采用区域生长算法确定所述二值化图像中的多个多边形区域,具体为:
S41:遍历所述二值化图像中的每一个像素点,选取第一个标记为1的像素点作为种子点A;
S42:以A为起点采用区域生长算法获取到一个连通域,并将所述连通域标记成找到的一个多边形P1;
S43:继续遍历所述二值化图像,忽略步骤S41和S42中已经查找过的像素区域,以找到的第一个标记为1的像素点作为种子点B;
S44:以B作为起点采用区域生长算法获取到下一个所述连通域,将所述连通域标记成找到的下一个多边形P2;
S45:重复步骤S43和S44,找到剩下的所述连通域,并分别标记为不同的多边形区域,直到所述二值化图像中不再有未查找过的标记为1的像素作为种子点,找到的多个所述连通域作为多个所述多边形区域。
进一步地,在步骤S7中,根据所述最大点和所述最小点优化所述三维影像中所述金属球质点因伪影在XY平面上的偏移,并进一步根据偏移值获取到真实质心的位置,具体为:
S71:基于每一个所述多边形区域,沿Z轴正方向求XY梯度,找到梯度最小的点为所述最大点;沿Z轴负方向求XY梯度,找到梯度最小的点为所述最小点;
S72:将所述最大点和所述最小点的XY坐标求算数平均值,即得到优化后的XY平面上的偏移,即XY坐标;
S73:沿Z轴方向用XY平面切割所述多边形区域,得到区域面积最大时的Z坐标值;
S74:将步骤S72得到的XY坐标值和步骤S73得到的Z值结合起来,得到该所述多边形区域的质心,即所述金属球的质心。
进一步地,所述三维影像为三维D I COM影像。
一种执行如上述的三维医学影像标记点提取方法的三维医学影像标记点提取系统,包括:
标记点固定模块,用于选取固定尺寸大小的金属球作为标记点,固定到定位工具上;
三维影像获取模块,用于通过三维成像设备扫描所述金属球,获取所述金属球的三维影像;
二值化模块,用于对所述三维影像进行阀值分割,二值化所述三维影像的影像数据,形成二值化图像;
多边形区域确定模块,用于采用包括区域生长在内的算法确定所述二值化图像中的多个多边形区域;
干扰数据剔除模块,用于通过对比影像数据中的多边形的体积与所述金属球的实际物理体积剔除掉体积过大或者过小的干扰数据;
梯度计算模块,用于对所述多边形数据在图像坐标系中Z方向与负Z方向的表面上求X和Y方向的梯度,获取Z方向上梯度的最大点与最小点;
质心位置获取模块,用于根据所述最大点与所述最小点优化所述三维影像中所述金属球质点因伪影在XY平面上的偏移,并进一步根据偏移值获取到真实质心的位置。
进一步地,所述二值化模块,具体包括:
阀值选取单元,用于选定一个图像值作为用于阀值分割的二值化阀值;
影像遍历单元,用于遍历所述三维影像,将大于等于所述二值化阀值的像素标记为1,小于所述二值化阀值的像素标记为0;得到包含标记0和1的所述二值化图像。
进一步地,所述质心位置获取模块,具体包括:
最大最小点获取单元,用于基于每一个所述多边形区域,沿Z轴正方向求XY梯度,找到梯度最小的点为所述最大点;沿Z轴负方向求XY梯度,找到梯度最小的点为所述最小点;
XY坐标获取单元,用于将所述最大点和所述最小点的XY坐标求算数平均值,即得到优化后的XY平面上的偏移,即XY坐标;
Z坐标获取单元,用于沿Z轴方向用XY平面切割所述多边形区域,得到区域面积最大时的Z坐标值;
质心获取单元,用于将XY坐标值和Z值结合起来,得到该所述多边形区域的质心,即所述金属球的质心。
一种计算机设备,包括存储器和一个或多个处理器,所述存储器中存储有计算机代码,所述计算机代码被所述一个或多个处理器执行时,使得所述一个或多个处理器执行上述可视化U I样式设计方法。
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代码,当所述计算机代码被执行时,上述可视化U I样式设计方法被执行。
与现有技术相比,本发明包括以下至少一种有益效果是:
(1)通过提供一种三维医学影像标记点提取方法,包括以下步骤:S1:选取固定尺寸大小的金属球作为标记点,固定到定位工具上;S2:通过三维成像设备扫描所述金属球,获取所述金属球的三维影像;S3:对所述三维影像进行阀值分割,二值化所述三维影像的影像数据,形成二值化图像;S4:采用包括区域生长在内的算法确定所述二值化图像中的多个多边形区域;S5:通过对比影像数据中的多边形的体积与所述金属球的实际物理体积剔除掉体积过大或者过小的干扰数据;S6:对所述多边形数据在图像坐标系中Z方向与负Z方向的表面上求X和Y方向的梯度,获取Z方向上梯度的最大点与最小点;S7:根据所述最大点与所述最小点优化所述三维影像中所述金属球质点因伪影在XY平面上的偏移,并进一步根据偏移值获取到真实质心的位置。上述技术方案,通过三维成像设备与反投影的重建算法的特性,以Z轴修正的方法提高标记点的提取精度,从而提高了整个产品的系统精度。
(2)本发明的方法简单易实现,没有很复杂的运算,运行效率高。
附图说明
图1为本发明一种三维医学影像标记点提取方法整体流程图;
图2为本发明标定装置的结构示意图;
图3为本发明金属球伪影的示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
第一实施例
如图1所示,本实施例提供了一种三维医学影像标记点提取方法,包括以下步骤:
S1:选取固定尺寸大小的金属球作为标记点,固定到定位工具上。
具体的,在本实施例中,如图2所示,一般的选取最容易被三维成像设备识别到的金属球作为定位工具的标记点,金属球固定于定位工具上,定位工具固定于待标定的待标定对象上。当通过三维成像设备识别到金属球的位置之后,通过金属球与定位工具的坐标转换关系,以及定位工具与待标定对象的坐标转换关系,即可以获取到待标定对象的坐标。
在上述获取待标定对象的坐标时,最关键的是需要获取到金属球质心的坐标,但是在计算质心时,重建影像会对金属产生伪影,当伪影不均匀时会使得质心偏移出金属球心。通过本发明的方法,即解决质心偏移的问题。
S2:通过三维成像设备扫描所述金属球,获取所述金属球的三维影像。
具体的,在标定时,首先需要通过三维成像设备对金属球进行扫描,获取到金属球的三维影像,后续对三维影像进行处理,获取金属球的质心。其中,在本实施例中,三维影像为三维D I COM影像。
S3:对所述三维影像进行阀值分割,二值化所述三维影像的影像数据,形成二值化图像。
具体的,在获取到三维影像后,为了后续更容易识别出多边形区域,首先对三维影像进行二值化处理。使用0和1两个极值,对整个三维影像的像素进行标注,具体包括如下步骤:
在步骤S3中,对所述三维影像进行阀值分割,二值化所述三维影像的影像数据,具体为:
S31:选定一个图像值作为用于阀值分割的二值化阀值,繁殖应该为被提取标记物在该医学影像下的成像值。
S32:遍历所述三维影像,将大于等于所述二值化阀值的像素标记为1,小于所述二值化阀值的像素标记为0。
S33:得到包含标记0和1的所述二值化图像。
S4:采用包括区域生长在内的算法确定所述二值化图像中的多个多边形区域。具体为:
S41:遍历所述二值化图像中的每一个像素点,选取第一个标记为1的像素点作为种子点A;
S42:以A为起点采用区域生长算法获取到一个连通域,并将所述连通域标记成找到的一个多边形P1;
S43:继续遍历所述二值化图像,忽略步骤S41和S42中已经查找过的像素区域,以找到的第一个标记为1的像素点作为种子点B;
S44:以B作为起点采用区域生长算法获取到下一个所述连通域,将所述连通域标记成找到的下一个多边形P2;
S45:重复步骤S43和S44,找到剩下的所述连通域,并分别标记为不同的多边形区域,直到所述二值化图像中不再有未查找过的标记为1的像素作为种子点,找到的多个所述连通域作为多个所述多边形区域。
S5:通过对比影像数据中的多边形的体积与所述金属球的实际物理体积剔除掉体积过大或者过小的干扰数据。
具体的,在进行梯度进行之前,需要对明显不正确的干扰数据进行剔除。
S6:对所述多边形数据在图像坐标系中Z方向与负Z方向的表面上求X和Y方向的梯度,获取Z方向上梯度的最大点与最小点。
具体的,通常通过求多边形数据的质心来确定影像中金属小球的中心,但是由于影像中的金属伪影使得这种计算方式有时候精度不高。根据三维成像设备与反投影的重建算法的特性,产生的伪影与设备的扫描方式有关。如图3所示,设备在影像坐标系的XY平面扫描,伪影产生的方向也基本在影像的XY平面内,在Z方向几乎没有影响。
S7:根据所述最大点与所述最小点优化所述三维影像中所述金属球质点因伪影在XY平面上的偏移,并进一步根据偏移值获取到真实质心的位置,具体为:
S71:基于每一个所述多边形区域,沿Z轴正方向求XY梯度,找到梯度最小的点为所述最大点;沿Z轴负方向求XY梯度,找到梯度最小的点为所述最小点;
S72:将所述最大点和所述最小点的XY坐标求算数平均值,即得到优化后的XY平面上的偏移,即XY坐标;
S73:沿Z轴方向用XY平面切割所述多边形区域,得到区域面积最大时的Z坐标值;
S74:将步骤S72得到的XY坐标值和步骤S73得到的Z值结合起来,得到该所述多边形区域的质心,即所述金属球的质心。
第二实施例
本实施例提供了一种执行如第一实施例中的三维医学影像标记点提取方法的三维医学影像标记点提取系统,包括:
标记点固定模块1,用于选取固定尺寸大小的金属球作为标记点,固定到定位工具上;
三维影像获取模块2,用于通过三维成像设备扫描所述金属球,获取所述金属球的三维影像;
二值化模块3,用于对所述三维影像进行阀值分割,二值化所述三维影像的影像数据,形成二值化图像;
多边形区域确定模块4,用于采用包括区域生长在内的算法确定所述二值化图像中的多个多边形区域;
干扰数据剔除模块5,用于通过对比影像数据中的多边形的体积与所述金属球的实际物理体积剔除掉体积过大或者过小的干扰数据;
梯度计算模块6,用于对所述多边形数据在图像坐标系中Z方向与负Z方向的表面上求X和Y方向的梯度,获取Z方向上梯度的最大点与最小点;
质心位置获取模块7,用于根据所述最大点与所述最小点优化所述三维影像中所述金属球质点因伪影在XY平面上的偏移,并进一步根据偏移值获取到真实质心的位置。
进一步地,所述二值化模块3,具体包括:
阀值选取单元31,用于选定一个图像值作为用于阀值分割的二值化阀值;
影像遍历单元32,用于遍历所述三维影像,将大于等于所述二值化阀值的像素标记为1,小于所述二值化阀值的像素标记为0;得到包含标记0和1的所述二值化图像。
进一步地,所述质心位置获取模块7,具体包括:
最大最小点获取单元71,用于基于每一个所述多边形区域,沿Z轴正方向求XY梯度,找到梯度最小的点为所述最大点;沿Z轴负方向求XY梯度,找到梯度最小的点为所述最小点;
XY坐标获取单元72,用于将所述最大点和所述最小点的XY坐标求算数平均值,即得到优化后的XY平面上的偏移,即XY坐标;
Z坐标获取单元73,用于沿Z轴方向用XY平面切割所述多边形区域,得到区域面积最大时的Z坐标值;
质心获取单元74,用于将XY坐标值和Z值结合起来,得到该所述多边形区域的质心,即所述金属球的质心。
一种计算机可读存储介质,计算机可读存储介质存储有计算机代码,当计算机代码被执行时,如上述方法被执行。本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read On l y Memory)、随机存取存储器(RAM,Random Access Memory)、磁盘或光盘等。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
以上所述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。
应当说明的是,上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种三维医学影像标记点提取方法,其特征在于,包括以下步骤:
S1:选取固定尺寸大小的金属球作为标记点,固定到定位工具上;
S2:通过三维成像设备扫描所述金属球,获取所述金属球的三维影像;
S3:对所述三维影像进行阀值分割,二值化所述三维影像的影像数据,形成二值化图像;
S4:采用包括区域生长在内的算法确定所述二值化图像中的多个多边形区域;
S5:通过对比影像数据中的多边形的体积与所述金属球的实际物理体积剔除掉体积过大或者过小的干扰数据;
S6:对所述多边形数据在图像坐标系中Z方向与负Z方向的表面上求X和Y方向的梯度,获取Z方向上梯度的最大点与最小点;
S7:根据所述最大点与所述最小点优化所述三维影像中所述金属球质点因伪影在XY平面上的偏移,并进一步根据偏移值获取到真实质心的位置。
2.根据权利要求1所述的三维医学影像标记点提取方法,其特征在于,在步骤S3中,对所述三维影像进行阀值分割,二值化所述三维影像的影像数据,具体为:
S31:选定一个图像值作为用于阀值分割的二值化阀值;
S32:遍历所述三维影像,将大于等于所述二值化阀值的像素标记为1,小于所述二值化阀值的像素标记为0;
S33:得到包含标记0和1的所述二值化图像。
3.根据权利要求1所述的三维医学影像标记点提取方法,其特征在于,在步骤S4中,采用区域生长算法确定所述二值化图像中的多个多边形区域,具体为:
S41:遍历所述二值化图像中的每一个像素点,选取第一个标记为1的像素点作为种子点A;
S42:以A为起点采用区域生长算法获取到一个连通域,并将所述连通域标记成找到的一个多边形P1;
S43:继续遍历所述二值化图像,忽略步骤S41和S42中已经查找过的像素区域,以找到的第一个标记为1的像素点作为种子点B;
S44:以B作为起点采用区域生长算法获取到下一个所述连通域,将所述连通域标记成找到的下一个多边形P2;
S45:重复步骤S43和S44,找到剩下的所述连通域,并分别标记为不同的多边形区域,直到所述二值化图像中不再有未查找过的标记为1的像素作为种子点,找到的多个所述连通域作为多个所述多边形区域。
4.根据权利要求1所述的三维医学影像标记点提取方法,其特征在于,在步骤S7中,根据所述最大点和所述最小点优化所述三维影像中所述金属球质点因伪影在XY平面上的偏移,并进一步根据偏移值获取到真实质心的位置,具体为:
S71:基于每一个所述多边形区域,沿Z轴正方向求XY梯度,找到梯度最小的点为所述最大点;沿Z轴负方向求XY梯度,找到梯度最小的点为所述最小点;
S72:将所述最大点和所述最小点的XY坐标求算数平均值,即得到优化后的XY平面上的偏移,即XY坐标;
S73:沿Z轴方向用XY平面切割所述多边形区域,得到区域面积最大时的Z坐标值;
S74:将步骤S72得到的XY坐标值和步骤S73得到的Z值结合起来,得到该所述多边形区域的质心,即所述金属球的质心。
5.根据权利要求1所述的三维医学影像标记点提取方法,其特征在于,还包括:所述三维影像为三维DICOM影像。
6.一种执行如权利要求1-5任意一项所述的三维医学影像标记点提取方法的三维医学影像标记点提取系统,其特征在于,包括:
标记点固定模块,用于选取固定尺寸大小的金属球作为标记点,固定到定位工具上;
三维影像获取模块,用于通过三维成像设备扫描所述金属球,获取所述金属球的三维影像;
二值化模块,用于对所述三维影像进行阀值分割,二值化所述三维影像的影像数据,形成二值化图像;
多边形区域确定模块,用于采用包括区域生长在内的算法确定所述二值化图像中的多个多边形区域;
干扰数据剔除模块,用于通过对比影像数据中的多边形的体积与所述金属球的实际物理体积剔除掉体积过大或者过小的干扰数据;
梯度计算模块,用于对所述多边形数据在图像坐标系中Z方向与负Z方向的表面上求X和Y方向的梯度,获取Z方向上梯度的最大点与最小点;
质心位置获取模块,用于根据所述最大点与所述最小点优化所述三维影像中所述金属球质点因伪影在XY平面上的偏移,并进一步根据偏移值获取到真实质心的位置。
7.一种如权利要求6所述的三维医学影像标记点提取系统,其特征在于,所述二值化模块,具体包括:
阀值选取单元,用于选定一个图像值作为用于阀值分割的二值化阀值;
影像遍历单元,用于遍历所述三维影像,将大于等于所述二值化阀值的像素标记为1,小于所述二值化阀值的像素标记为0;得到包含标记0和1的所述二值化图像。
8.一种如权利要求6所述的三维医学影像标记点提取系统,其特征在于,所述质心位置获取模块,具体包括:
最大最小点获取单元,用于基于每一个所述多边形区域,沿Z轴正方向求XY梯度,找到梯度最小的点为所述最大点;沿Z轴负方向求XY梯度,找到梯度最小的点为所述最小点;
XY坐标获取单元,用于将所述最大点和所述最小点的XY坐标求算数平均值,即得到优化后的XY平面上的偏移,即XY坐标;
Z坐标获取单元,用于沿Z轴方向用XY平面切割所述多边形区域,得到区域面积最大时的Z坐标值;
质心获取单元,用于将XY坐标值和Z值结合起来,得到该所述多边形区域的质心,即所述金属球的质心。
9.一种计算机设备,包括存储器和一个或多个处理器,所述存储器中存储有计算机代码,所述计算机代码被所述一个或多个处理器执行时,使得所述一个或多个处理器执行如权利要求1至5中任一项所述的方法。
10.一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代码,当所述计算机代码被执行时,如权利要求1至5中任一项所述的方法被执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110442917.7A CN113112490B (zh) | 2021-04-23 | 2021-04-23 | 一种三维医学影像标记点提取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110442917.7A CN113112490B (zh) | 2021-04-23 | 2021-04-23 | 一种三维医学影像标记点提取方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113112490A true CN113112490A (zh) | 2021-07-13 |
CN113112490B CN113112490B (zh) | 2022-09-30 |
Family
ID=76719932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110442917.7A Active CN113112490B (zh) | 2021-04-23 | 2021-04-23 | 一种三维医学影像标记点提取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113112490B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113744328A (zh) * | 2021-11-05 | 2021-12-03 | 极限人工智能有限公司 | 医学图像标记点识别方法、装置、电子设备及存储介质 |
CN113782159A (zh) * | 2021-11-12 | 2021-12-10 | 极限人工智能有限公司 | 医学图像标记点匹配方法、装置、电子设备及存储介质 |
CN115272288A (zh) * | 2022-08-22 | 2022-11-01 | 杭州微引科技有限公司 | 一种医学图像标记点自动识别方法、电子设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102007002276A1 (de) * | 2007-01-16 | 2008-07-17 | Robert Bosch Gmbh | Elektrische Spule mit mehreren Windungslagen |
US20120151988A1 (en) * | 2010-12-16 | 2012-06-21 | Hexagon Metrology, Inc. | Machine calibration artifact |
CN106651977A (zh) * | 2016-09-30 | 2017-05-10 | 重庆大学 | 基于重建图像梯度的l0范数最小化的锥束ct旋转中心标定方法 |
CN107135388A (zh) * | 2017-05-27 | 2017-09-05 | 东南大学 | 一种光场图像的深度提取方法 |
CN108364311A (zh) * | 2018-01-29 | 2018-08-03 | 深圳市亿图视觉自动化技术有限公司 | 一种金属部件自动定位方法及终端设备 |
CN109285190A (zh) * | 2018-09-06 | 2019-01-29 | 广东天机工业智能系统有限公司 | 对象定位方法、装置、电子设备和存储介质 |
CN109512448A (zh) * | 2018-12-29 | 2019-03-26 | 深圳安科高技术股份有限公司 | 一种ct探测器位置校准方法及其系统 |
CN109754432A (zh) * | 2018-12-27 | 2019-05-14 | 深圳市瑞立视多媒体科技有限公司 | 一种相机自动标定方法及光学动作捕捉系统 |
CN110353713A (zh) * | 2019-07-16 | 2019-10-22 | 上海联影医疗科技有限公司 | 几何校正模体、重建图像几何参数的确定方法和装置 |
CN111656405A (zh) * | 2018-01-26 | 2020-09-11 | 皇家飞利浦有限公司 | 使用深度学习来减少金属伪影 |
-
2021
- 2021-04-23 CN CN202110442917.7A patent/CN113112490B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102007002276A1 (de) * | 2007-01-16 | 2008-07-17 | Robert Bosch Gmbh | Elektrische Spule mit mehreren Windungslagen |
US20120151988A1 (en) * | 2010-12-16 | 2012-06-21 | Hexagon Metrology, Inc. | Machine calibration artifact |
CN106651977A (zh) * | 2016-09-30 | 2017-05-10 | 重庆大学 | 基于重建图像梯度的l0范数最小化的锥束ct旋转中心标定方法 |
CN107135388A (zh) * | 2017-05-27 | 2017-09-05 | 东南大学 | 一种光场图像的深度提取方法 |
CN111656405A (zh) * | 2018-01-26 | 2020-09-11 | 皇家飞利浦有限公司 | 使用深度学习来减少金属伪影 |
CN108364311A (zh) * | 2018-01-29 | 2018-08-03 | 深圳市亿图视觉自动化技术有限公司 | 一种金属部件自动定位方法及终端设备 |
CN109285190A (zh) * | 2018-09-06 | 2019-01-29 | 广东天机工业智能系统有限公司 | 对象定位方法、装置、电子设备和存储介质 |
CN109754432A (zh) * | 2018-12-27 | 2019-05-14 | 深圳市瑞立视多媒体科技有限公司 | 一种相机自动标定方法及光学动作捕捉系统 |
CN109512448A (zh) * | 2018-12-29 | 2019-03-26 | 深圳安科高技术股份有限公司 | 一种ct探测器位置校准方法及其系统 |
CN110353713A (zh) * | 2019-07-16 | 2019-10-22 | 上海联影医疗科技有限公司 | 几何校正模体、重建图像几何参数的确定方法和装置 |
Non-Patent Citations (1)
Title |
---|
杨帅 等: "基于图像质量优化的锥束CT几何校正法", 《核电子学与探测技术》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113744328A (zh) * | 2021-11-05 | 2021-12-03 | 极限人工智能有限公司 | 医学图像标记点识别方法、装置、电子设备及存储介质 |
CN113782159A (zh) * | 2021-11-12 | 2021-12-10 | 极限人工智能有限公司 | 医学图像标记点匹配方法、装置、电子设备及存储介质 |
CN115272288A (zh) * | 2022-08-22 | 2022-11-01 | 杭州微引科技有限公司 | 一种医学图像标记点自动识别方法、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113112490B (zh) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113112490B (zh) | 一种三维医学影像标记点提取方法及系统 | |
JP6635648B2 (ja) | 医用画像処理装置、医用画像処理方法及び分類器トレーニング方法 | |
EP1791087B1 (en) | Method for point-of-interest attraction in digital images | |
CN108305286B (zh) | 基于颜色编码的多目立体视觉脚型三维测量方法、系统和介质 | |
CN110866924A (zh) | 一种线结构光中心线提取方法及存储介质 | |
CN109712131B (zh) | 肺结节特征的量化方法、装置、电子设备及存储介质 | |
US20120114208A1 (en) | Image matching device and patient positioning device using the same | |
CN107481276B (zh) | 一种三维医学图像中标记点序列的自动识别方法 | |
CN109640066B (zh) | 高精度稠密深度图像的生成方法和装置 | |
Huang | Robust pseudo random fields for light-field stereo matching | |
CN110176064B (zh) | 一种摄影测量生成三维模型的主体对象自动识别方法 | |
CN110832542B (zh) | 识别处理设备、识别处理方法和程序 | |
WO2024011943A1 (zh) | 基于深度学习的膝关节髌骨置换三维术前规划方法及系统 | |
JP2011523147A (ja) | 画像処理、特に医療画像を処理するための方法及び装置 | |
CN114642444A (zh) | 口腔种植精度评价方法、系统和终端设备 | |
CN113012127A (zh) | 基于胸部医学影像的心胸比测量方法 | |
Staib et al. | Intermodality 3D medical image registration with global search | |
CN112734740B (zh) | 训练目标检测模型的方法、目标检测的方法及其装置 | |
CN115880371A (zh) | 一种红外视角下反光靶标中心定位方法 | |
CN110717471B (zh) | 基于支持向量机模型b超图像目标检测方法及b超扫描仪 | |
CN113723406A (zh) | 一种对冠脉造影图像进行支架定位的处理方法和装置 | |
Gonzalez-Huitron et al. | Jaccard distance as similarity measure for disparity map estimation | |
CN109118489B (zh) | 一种冠状动脉位置检测方法及系统 | |
CN109214398B (zh) | 一种从连续图像中量测杆体位置的方法和系统 | |
US20240054643A1 (en) | Image processing apparatus, image processing method, and recording medium |
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 |