CN113112560A - 生理点区域标记方法与装置 - Google Patents
生理点区域标记方法与装置 Download PDFInfo
- Publication number
- CN113112560A CN113112560A CN202110402986.5A CN202110402986A CN113112560A CN 113112560 A CN113112560 A CN 113112560A CN 202110402986 A CN202110402986 A CN 202110402986A CN 113112560 A CN113112560 A CN 113112560A
- Authority
- CN
- China
- Prior art keywords
- image
- physiological
- target
- physiological point
- point information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000009877 rendering Methods 0.000 claims description 53
- 238000002372 labelling Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 8
- 239000003550 marker Substances 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 210000000056 organ Anatomy 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 239000002775 capsule Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000000527 greater trochanter Anatomy 0.000 description 1
- 210000004394 hip joint Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000000528 lesser trochanter Anatomy 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/08—Volume rendering
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Graphics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请提供一种生理点区域标记方法与装置,涉及图像识别领域。该生理点区域标记方法,根据生理点信息、CT图像序列,可以自动确定待标记的目标生理图像,从而无需医生花费大量时间确定待标记的目标生理图像,提高了效率。另外,根据预训练的生理点标记模型,可以自动在目标生理图像上标记与生理点信息关联的生理点区域,无需医生花费时间手动标记,进一步提高了效率。
Description
技术领域
本申请涉及图像识别领域,具体而言,涉及一种生理点区域标记方法与装置。
背景技术
在手术规划中,往往需要医生对生理图像(如CT图像、3D渲染图像)上的生理点区域进行标记,以便确定生理图像上的各个生理点(如在髋关节的臼杯、髋臼窝、假体)的具体位置,方便后续的实际手术操作。在医生进行生理点区域标记时,通常具有大量的可选择的生理图像,然后从大量的生理图像选择出最能表示生理点特征的目标生理图像,最后,在目标生理图像上标记生理点。对于医生而言,从大量的生理图像选择出最能表示生理点特征的目标生理图像,并对生理点进行标记,需要花费大量的时间,效率很低。
发明内容
本申请的目的在于提供一种生理点区域标记方法与装置,用以解决医生对生理点进行标记,需要花费大量的时间,效率很低的问题。
第一方面,本申请实施例提供了一种生理点区域标记方法,所述方法包括:
获取生理点信息、基于同一患者采集的连续的CT图像序列;
根据所述生理点信息、所述CT图像序列,确定待标记的目标生理图像;
根据预训练的生理点标记模型,在所述目标生理图像上标记与所述生理点信息关联的生理点区域,其中,所述生理点标记模型根据多个历史生理图像构成的训练样本集训练而成,其中,每个历史生理图像的生理点区域被标记有生理点信息。
该生理点区域标记方法,根据生理点信息、CT图像序列,可以自动确定待标记的目标生理图像,从而无需医生花费大量时间确定待标记的目标生理图像,提高了效率。另外,根据预训练的生理点标记模型,可以自动在目标生理图像上标记与生理点信息关联的生理点区域,无需医生花费时间手动标记,进一步提高了效率。
一种可能的设计方案中,所述根据所述生理点信息、所述CT图像序列,确定待标记的目标生理图像,包括:根据所述CT图像序列,生成3D体绘渲染图像;提取所述3D体绘渲染图像在目标视角的视图图像;根据所述生理点信息,从图像数据库中查找出在目标视角的标准视图图像;判断目标视角的视图图像与所述标准视图图像是否满足相似条件;如果满足,则确定所述目标视角的视图图像为目标生理图像。通过该方式,可以快速确定出目标视角的视图图像为目标生理图像。
进一步地,所述3D体绘渲染图像在目标视角的视图图像包括:所述3D体绘渲染图像的冠状面图像、矢状面以及横断面图像中的至少一个。冠状面图像、矢状面以及横断面图像在临床中常见的目标视角的视图图像,更方便医生观察生理点。
或者,另一种可能的设计方案中,所述根据所述生理点信息、所述CT图像序列,确定待标记的目标生理图像,包括:根据所述生理点信息,从图像数据库中查找出标准CT图像;判断所述CT图像序列的每一张生理图像与所述标准CT图像是否满足相似条件;如果其中一张CT图像满足,则确定该CT图像为目标生理图像。通过该方式,可以快速地从CT图像序列,确定出满足相似条件的CT图像为目标生理图像。
或者,又一种可能的设计方案中,所述根据所述生理点信息、所述CT图像序列,确定待标记的目标生理图像,包括:根据所述CT图像序列,生成3D体绘渲染图像;获取所述3D体绘渲染图像在多个不同视角的3D体绘视图;根据所述生理点信息,从图像数据库中获取标准3D体绘渲染图像;判断所述多个不同视角的3D体绘视图中的每一张3D体绘视图,与所述标准3D体绘渲染图像是否满足相似条件;如果其中一张3D体绘视图满足相似条件,则确定该3D体绘视图为目标生理图像。通过该方式,可以快速确定出满足相似条件的3D体绘视图为目标生理图像,并且精确度高。
进一步地,所述相似条件包括:结构相似度大于设定的相似度阈值、均方误差小于设定的第一差值阈值、峰值信噪比的差值小于设定的第二差值阈值中的至少一个条件。
一种可能的设计方案中,在所述根据预训练的生理点标记模型,在所述目标生理图像上标记与所述生理点信息关联的生理点区域之后,所述方法还包括:接收对所述生理点区域的触发指令,输出提示信息,其中,所述提示信息用于描述所述生理点区域。当响应于对生理点区域的触发指令,输出提示信息。提示信息可以帮助医生了解生理点的具体情况。
第二方面,本申请还提供一种生理点区域标记装置,包括:
信息获取单元,用于获取生理点信息、基于同一患者采集的连续的CT图像序列CT图像序列;
图像确定单元,用于根据所述生理点信息、所述CT图像序列,确定待标记的目标生理图像;
区域标记单元,用于根据预训练的生理点标记模型,在所述目标生理图像上标记与所述生理点信息关联的生理点区域,其中,所述生理点标记模型根据多个历史生理图像构成的训练样本集训练而成,其中,每个历史生理图像的生理点区域被标记有生理点信息。
第三方面,本申请实施例提供一种电子设备,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如上述第一方面提供的所述方法中的步骤。
第四方面,本申请实施例提供一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时运行如上述第一方面提供的所述方法中的步骤。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的服务器与用户终端的交互示意图;
图2为本申请实施例提供的生理点区域标记方法的流程图之一;
图3为本申请实施例提供的预训练的生理点标记模型的架构示意图;
图4为本申请实施例提供的生理点区域标记方法的流程图之二;
图5为本申请实施例提供的生理点区域标记方法的流程图之三;
图6为本申请实施例提供的生理点区域标记方法的流程图之四;
图7为本申请实施例提供的生理点区域标记装置的功能模块框图;
图8为本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述。
本申请实施例提供了一种生理点区域标记方法,应用于服务器10。如图1所示,服务器10与用户终端20通信连接,以便数据交互。如图2所示,该方法包括:
S201:服务器10获取生理点信息、基于同一患者采集的连续的CT图像序列。
其中,CT图像序列是X线束穿透人体器官或组织采集得到的。由于用X线束穿透人体器官或组织时,人体器官或组织是由多种物质成分和不同的密度构成的,所以人体上的各点对X线的吸收系数是不同的。因此,需要对人体器官或组织在不同厚度层面进行扫描,从而会获得CT图像序列。可以理解地,如果采集CT图像的厚度间隔比较小,如0.5mm,那么一个CT图像序列中包括的CT图像的数量会比较多,导致确定生理点的位置会比较耗时。在一种可选的方式中,可以增大采集CT图像的厚度间隔,如增加到1mm,这就可以减少获取到CT图像序列中包括的CT图像的数量,可以提高后续标记生理点区域的效率。
再者,医生可以通过用户终端20的目标应用程序的显示界面,上传基于同一患者采集的连续的CT图像序列以及输入生理点信息。其中,生理点信息可以包括但不限于髋臼中心、股骨头中心、大转子、小转子以及髂前上棘等等。用户上传CT图像序列以及输入生理点信息完毕后,用户终端20可以发送CT图像序列以及生理点信息至服务器10。进而,服务器10获取到生理点信息、CT图像序列。另外,CT图像采集设备也可以直接将采集到的CT图像序列发送到服务器10,进而服务器10获取到CT图像序列。
S202:服务器10根据生理点信息、CT图像序列,确定待标记的目标生理图像。
其中,待标记的目标生理图像可以是从CT图像序列中选择的,也可以是根据CT图像序列生成的,在此不作限定。可以理解地,待标记的目标生理图像需要能够充分的展示与生理点信息关联的生理点的位置、形状以及结构等信息,以便对生理点进行精准的标记。通过该方式,可以快速确定出目标生理图像。
S203:服务器10根据预训练的生理点标记模型,在目标生理图像上标记与生理点信息关联的生理点区域。
其中,生理点标记模型根据多个历史生理图像构成的训练样本集输入到训练网络(如Faster R-CNN卷积神经网络、胶囊网络)中训练而成,其中,每个历史生理图像的生理点区域被标记有生理点信息。
具体地,如图3所示,可以将目标生理图像输入到根据Faster R-CNN卷积神经网络预训练的生理点标记模型中。预训练的生理点标记模型包括级联的卷积层、候选框生成层、全连接层、区域标记层。其中,卷积层可以对历史生理图像卷积处理,提取图像特征,并通过特征映射生成特征图像;候选框生成层可以在特征图像上生成多个大小不同的疑似候选区域,并将多个大小不同的疑似候选区域调整为大小相同的疑似候选区域,同时减小特征图像的大小。全连接层对多个大小相同的疑似候选区域中筛选出生理点区域。区域标记层可以根据生理点的大小调整各个生理点区域的大小,以更好地框选出生理点所在的区域。同时,对生理点区域进行概率化,减小筛选生理点区域错误的概率。
另外,生理点区域可以是由圆形、矩形框选住生理点后,所占据的区域。
该生理点区域标记方法,根据生理点信息、CT图像序列,可以自动确定待标记的目标生理图像,从而无需医生花费大量时间确定待标记的目标生理图像,提高了效率。另外,根据预训练的生理点标记模型,可以自动在目标生理图像上标记与生理点信息关联的生理点区域,无需医生花费时间手动标记,进一步提高了效率。
本申请实施例中,待标记的目标生理图像可以为目标视角的视图图像或者CT图像或者3D体绘视图。针对该3种不同类别的目标生理图像,上述的S202包括但不限于以下三种具体实现方式:
第一种:如图4所示,在目标生理图像为在目标视角的视图图像的情况下,S202包括:
S401:服务器10根据CT图像序列,生成3D体绘渲染图像。
S402:服务器10提取3D体绘渲染图像在目标视角的视图图像。
其中,3D体绘渲染图像在目标视角的视图图像可以包括:3D体绘渲染图像的冠状面图像、矢状面以及横断面图像中的至少一个。冠状面图像、矢状面以及横断面图像在临床中常见的目标视角的视图图像,更方便医生观察生理点。
S403:服务器10根据生理点信息,从图像数据库中查找出在目标视角的标准视图图像。
其中,目标视角的标准视图图像能够充分的展示与生理点信息关联的生理点的位置、形状、结构等信息。
S404:服务器10判断目标视角的视图图像与标准视图图像是否满足相似条件;如果满足,则执行S404。
目标视角的视图图像与标准视图图像满足相似条件时,说明目标视角的视图图像与标准视图图像之间相似。目标视角的视图图像也同样能够充分的展示与生理点信息关联的生理点的位置、形状、结构等信息。
S405:服务器10确定目标视角的视图图像为目标生理图像。
由于目标视角的视图图像也同样能够充分的展示与生理点信息关联的生理点的位置、形状、结构等信息,因此,可以作为目标生理图像。并且通过该方式,可以快速确定出目标视角的视图图像为目标生理图像。
可以理解地,确定的目标生理图像可以包括一张目标视角的视图图像或者多张在不同目标视角的图像。
第二种:如图5所示,在目标生理图像为CT图像的情况下,S202包括:
S501:服务器10根据生理点信息,从图像数据库中查找出标准CT图像。
其中,标准CT图像能够充分的展示与生理点信息关联的生理点的位置、形状、结构等信息。
S502:服务器10判断CT图像序列的每一张生理图像与标准CT图像是否满足相似条件,如果其中一张是,则执行S502。
CT图像与标准CT图像满足相似条件时,说明目标视角的CT图像与标准CT图像之间相似。CT图像也同样能够充分的展示与生理点信息关联的生理点的位置、形状、结构等信息。
S503:服务器10确定该CT图像为目标生理图像。
由于CT图像也同样能够充分的展示与生理点信息关联的生理点的位置、形状、结构等信息,因此,可以作为目标生理图像。通过该方式,可以快速地从CT图像序列,确定出满足相似条件的CT图像为目标生理图像。
可以理解地,确定的目标生理图像可以包括一张或多张CT图像。
第三种:如图6所示,在目标生理图像为目标体绘视图情况下,S202包括:
S601:服务器10根据CT图像序列,生成3D体绘渲染图像。
S602:服务器10获取3D体绘渲染图像在多个不同视角的3D体绘视图。
具体地,可以调整虚拟摄像机对3D体绘渲染图像的拍摄角度,进而,可以使得3D体绘渲染图像具有在多个不同视角的3D体绘视图。
S603:服务器10根据生理点信息,从图像数据库中获取标准3D体绘渲染图像。
其中,3D体绘渲染图像能够充分的展示与生理点信息关联的生理点的位置、形状、结构等信息。
S604:服务器10判断多个不同视角的3D体绘视图中的每一张3D体绘视图,与标准3D体绘渲染图像是否满足相似条件。如果其中一张3D体绘视图满足相似条件,则执行S605。
3D体绘视图与标准3D体绘视图满足相似条件时,说明目标视角的3D体绘视图与标准3D体绘视图之间相似。3D体绘视图也同样能够充分的展示与生理点信息关联的生理点的位置、形状、结构等信息。
S605:服务器10确定该3D体绘视图为目标生理图像。
由于3D体绘视图也同样能够充分的展示与生理点信息关联的生理点的位置、形状、结构等信息,因此,可以作为目标生理图像。通过该方式,可以快速确定出满足相似条件的3D体绘视图为目标生理图像,并且精确度高。
可以理解地,确定的目标生理图像可以包括一张或多张3D体绘视图。
需要说明的是,在上述的三种实施方式中,相似条件可以包括:结构相似度大于设定的相似度阈值、均方误差小于设定的第一差值阈值、峰值信噪比的差值小于设定的第二差值阈值中的至少一个条件。当此处的3个条件均满足时,判断结果的可靠性最高。
另外,在S203之后,该方法还包括:服务器10响应于对生理点区域的触发指令,输出提示信息。触发指令可以是服务器10自动将鼠标的光标移动到生理点区域的中心后生成的指令,也可以是用户在用户终端20的目标应用程序的显示界面将将鼠标的光标移动到生理点区域的中心后发送到服务器10的指令。
另外,提示信息用于描述生理点区域,提示信息可以帮助医生了解生理点的具体情况。具体地,提示信息可以包括在光标所指的位置出现的动态闪烁图案以及当前所需要标准的生理点的名称和描述信息。其中,描述信息可以为如生理点的说明图或是结构描述。若检测到用户将鼠标的光标移出生理点区域时,输出报警提示。其中,报警提示可以为如语音提示或是将整个生理点区域进行颜色变色的提示等,在此不作限定。
请参阅图7,本申请还提供一种生理点区域标记装置70,应用于服务器10。如图7所示,服务器10与用户终端20通信连接,以便数据交互。需要说明的是,本申请实施例所提供的生理点区域标记装置70,其基本原理及产生的技术效果和上述实施例相同,为简要描述,本实施例部分未提及之处,可参考上述的实施例中相应内容。所述装置70包括信息获取单元71、图像确定单元72以及区域标记单元73。
信息获取单元71,用于获取生理点信息、基于同一患者采集的连续的CT图像序列CT图像序列。
图像确定单元72,用于根据生理点信息、CT图像序列,确定待标记的目标生理图像。
区域标记单元73,用于根据预训练的生理点标记模型,在目标生理图像上标记与生理点信息关联的生理点区域。
其中,生理点标记模型根据多个历史生理图像构成的训练样本集训练而成,其中,每个历史生理图像的生理点区域被标记有生理点信息。
具体地,本申请实施例中,待标记的目标生理图像可以为目标视角的视图图像或者CT图像或者3D体绘视图。针对该3种不同类别的目标生理图像,上述的图像确定单元702包括但不限于以下三种具体实现方式:
第一种:当目标生理图像为目标视角的视图图像的情况下,图像确定单元702可以具体用于根据所述CT图像序列,生成3D体绘渲染图像;提取所述3D体绘渲染图像在目标视角的视图图像;根据所述生理点信息,从图像数据库中查找出在目标视角的标准视图图像;判断目标视角的视图图像与所述标准视图图像是否满足相似条件;如果满足,则确定所述目标视角的视图图像为目标生理图像。
需要说明的是,上述的3D体绘渲染图像在目标视角的视图图像包括:所述3D体绘渲染图像的冠状面图像、矢状面以及横断面图像中的至少一个。
第二种:当目标生理图像为CT图像的情况下,图像确定单元702可以具体用于根据所述生理点信息,从图像数据库中查找出标准CT图像;判断所述CT图像序列的每一张生理图像与所述标准CT图像是否满足相似条件;如果其中一张CT图像满足,则确定该CT图像为目标生理图像。
第三种:当目标生理图像为3D体绘渲染图像的情况下,图像确定单元702可以具体用于根据所述CT图像序列,生成3D体绘渲染图像;获取所述3D体绘渲染图像在多个不同视角的3D体绘视图;根据所述生理点信息,从图像数据库中获取标准3D体绘渲染图像;判断所述多个不同视角的3D体绘视图中的每一张3D体绘视图,与所述标准3D体绘渲染图像是否满足相似条件;如果其中一张3D体绘视图满足相似条件,则确定该3D体绘视图为目标生理图像。
需要说明的是,在上述的三种实施方式中,相似条件可以包括:结构相似度大于设定的相似度阈值、均方误差小于设定的第一差值阈值、峰值信噪比的差值小于设定的第二差值阈值中的至少一个条件。当此处的3个条件均满足时,判断结果的可靠性最高。
以上现有技术中的方案所存在的缺陷,均是发明人在经过实践并仔细研究后得出的结果,因此,上述问题的发现过程以及下文中本发明实施例针对上述问题所提出的解决方案,都应该是发明人在本发明过程中对本发明做出的贡献。
请参照图8,图8为本申请实施例提供的一种用于执行生理点区域标记方法的电子设备的结构示意图。其中,电子设备可以为上述的服务器。电子设备可以包括:至少一个处理器110,例如CPU,至少一个通信接口120,至少一个存储器130和至少一个通信总线140。其中,通信总线140用于实现这些组件直接的连接通信。其中,本申请实施例中设备的通信接口120用于与其他节点设备进行信令或数据的通信。存储器130可以是高速RAM存储器,也可以是非易失性的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器130可选的还可以是至少一个位于远离前述处理器的存储装置。存储器130中存储有计算机可读取指令,当所述计算机可读取指令由所述处理器110执行时,电子设备执行上述图1所示方法过程。
可以理解,图2所示的结构仅为示意,所述电子设备还可包括比图2中所示更多或者更少的组件,或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。
该装置可以是电子设备上的模块、程序段或代码。应理解,该装置与上述图2方法实施例对应,能够执行图2方法实施例涉及的各个步骤,该装置具体的功能可以参见上文中的描述,为避免重复,此处适当省略详细描述。
需要说明的是,本领域技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再重复描述。
本申请实施例提供一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,执行如图2所示方法实施例中电子设备所执行的方法过程。
本实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如,包括获取生理点信息、基于同一患者采集的连续的CT图像序列;
根据所述生理点信息、所述CT图像序列,确定待标记的目标生理图像;
根据预训练的生理点标记模型,在所述目标生理图像上标记与所述生理点信息关联的生理点区域,其中,所述生理点标记模型根据多个历史生理图像构成的训练样本集训练而成,其中,每个历史生理图像的生理点区域被标记有生理点信息。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,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,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
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或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种生理点区域标记方法,其特征在于,
获取生理点信息、基于同一患者采集的连续的CT图像序列;
根据所述生理点信息、所述CT图像序列,确定待标记的目标生理图像;
根据预训练的生理点标记模型,在所述目标生理图像上标记与所述生理点信息关联的生理点区域,其中,所述生理点标记模型根据多个历史生理图像构成的训练样本集训练而成,其中,每个历史生理图像的生理点区域被标记有生理点信息。
2.根据权利要求1所述的方法,其特征在于,所述根据所述生理点信息、所述CT图像序列,确定待标记的目标生理图像,包括:
根据所述CT图像序列,生成3D体绘渲染图像;
提取所述3D体绘渲染图像在目标视角的视图图像;
根据所述生理点信息,从图像数据库中查找出在目标视角的标准视图图像;
判断目标视角的视图图像与所述标准视图图像是否满足相似条件;
如果满足,则确定所述目标视角的视图图像为目标生理图像。
3.根据权利要求2所述的方法,其特征在于,所述3D体绘渲染图像在目标视角的视图图像包括:所述3D体绘渲染图像的冠状面图像、矢状面以及横断面图像中的至少一个。
4.根据权利要求1所述的方法,其特征在于,所述根据所述生理点信息、所述CT图像序列,确定待标记的目标生理图像,包括:
根据所述生理点信息,从图像数据库中查找出标准CT图像;
判断所述CT图像序列的每一张生理图像与所述标准CT图像是否满足相似条件;
如果其中一张CT图像满足,则确定该CT图像为目标生理图像。
5.根据权利要求1所述的方法,其特征在于,所述根据所述生理点信息、所述CT图像序列,确定待标记的目标生理图像,包括:
根据所述CT图像序列,生成3D体绘渲染图像;
获取所述3D体绘渲染图像在多个不同视角的3D体绘视图;
根据所述生理点信息,从图像数据库中获取标准3D体绘渲染图像;
判断所述多个不同视角的3D体绘视图中的每一张3D体绘视图,与所述标准3D体绘渲染图像是否满足相似条件;
如果其中一张3D体绘视图满足相似条件,则确定该3D体绘视图为目标生理图像。
6.根据权利要求2-5任一所述的方法,其特征在于,所述相似条件包括:结构相似度大于设定的相似度阈值、均方误差小于设定的第一差值阈值、峰值信噪比的差值小于设定的第二差值阈值中的至少一个条件。
7.根据权利要求2-5任一所述的方法,其特征在于,在所述根据预训练的生理点标记模型,在所述目标生理图像上标记与所述生理点信息关联的生理点区域之后,所述方法还包括:
接收对所述生理点区域的触发指令,输出提示信息,其中,所述提示信息用于描述所述生理点区域。
8.一种生理点区域标记装置,其特征在于,包括:
信息获取单元,用于获取生理点信息、基于同一患者采集的连续的CT图像序列CT图像序列;
图像确定单元,用于根据所述生理点信息、所述CT图像序列,确定待标记的目标生理图像;
区域标记单元,用于根据预训练的生理点标记模型,在所述目标生理图像上标记与所述生理点信息关联的生理点区域,其中,所述生理点标记模型根据多个历史生理图像构成的训练样本集训练而成,其中,每个历史生理图像的生理点区域被标记有生理点信息。
9.一种电子设备,其特征在于,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如权利要求1-7任一所述的方法。
10.一种可读存储介质,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运行如权利要求1-7任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110402986.5A CN113112560B (zh) | 2021-04-14 | 2021-04-14 | 生理点区域标记方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110402986.5A CN113112560B (zh) | 2021-04-14 | 2021-04-14 | 生理点区域标记方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113112560A true CN113112560A (zh) | 2021-07-13 |
CN113112560B CN113112560B (zh) | 2023-10-03 |
Family
ID=76717247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110402986.5A Active CN113112560B (zh) | 2021-04-14 | 2021-04-14 | 生理点区域标记方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113112560B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100067768A1 (en) * | 2008-09-18 | 2010-03-18 | Siemens Corporate Research, Inc. | Method and System for Physiological Image Registration and Fusion |
US20160038247A1 (en) * | 2014-08-11 | 2016-02-11 | Covidien Lp | Treatment procedure planning system and method |
WO2016095776A1 (zh) * | 2014-12-18 | 2016-06-23 | 同方威视技术股份有限公司 | 一种定位三维ct图像中的目标的方法和安检ct系统 |
US20170176631A1 (en) * | 2014-12-18 | 2017-06-22 | Nuctech Company Limited | Method for positioning target in three-dimensional ct image and security check system |
US20190005687A1 (en) * | 2017-06-29 | 2019-01-03 | Covidien Lp | System and method for identifying, marking and navigating to a target using real time two dimensional fluoroscopic data |
CN109147940A (zh) * | 2018-07-05 | 2019-01-04 | 北京昆仑医云科技有限公司 | 从患者的医学图像自动预测生理状况的装置和系统 |
US20190050982A1 (en) * | 2017-08-09 | 2019-02-14 | Shenzhen Keya Medical Technology Corporation | System and method for automatically detecting a physiological condition from a medical image of a patient |
CN110852342A (zh) * | 2019-09-26 | 2020-02-28 | 京东城市(北京)数字科技有限公司 | 一种路网数据的获取方法、装置、设备及计算机存储介质 |
CN111275719A (zh) * | 2020-01-19 | 2020-06-12 | 北京推想科技有限公司 | 钙化假阳识别及其模型训练的方法、装置、终端及介质 |
WO2021030995A1 (zh) * | 2019-08-16 | 2021-02-25 | 未艾医疗技术(深圳)有限公司 | 基于vrds ai下腔静脉影像的分析方法及产品 |
WO2021038202A1 (en) * | 2019-08-23 | 2021-03-04 | Oxford University Innovation Limited | Computerised tomography image processing |
-
2021
- 2021-04-14 CN CN202110402986.5A patent/CN113112560B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100067768A1 (en) * | 2008-09-18 | 2010-03-18 | Siemens Corporate Research, Inc. | Method and System for Physiological Image Registration and Fusion |
US20160038247A1 (en) * | 2014-08-11 | 2016-02-11 | Covidien Lp | Treatment procedure planning system and method |
WO2016095776A1 (zh) * | 2014-12-18 | 2016-06-23 | 同方威视技术股份有限公司 | 一种定位三维ct图像中的目标的方法和安检ct系统 |
US20170176631A1 (en) * | 2014-12-18 | 2017-06-22 | Nuctech Company Limited | Method for positioning target in three-dimensional ct image and security check system |
US20190005687A1 (en) * | 2017-06-29 | 2019-01-03 | Covidien Lp | System and method for identifying, marking and navigating to a target using real time two dimensional fluoroscopic data |
US20190050982A1 (en) * | 2017-08-09 | 2019-02-14 | Shenzhen Keya Medical Technology Corporation | System and method for automatically detecting a physiological condition from a medical image of a patient |
CN109147940A (zh) * | 2018-07-05 | 2019-01-04 | 北京昆仑医云科技有限公司 | 从患者的医学图像自动预测生理状况的装置和系统 |
WO2021030995A1 (zh) * | 2019-08-16 | 2021-02-25 | 未艾医疗技术(深圳)有限公司 | 基于vrds ai下腔静脉影像的分析方法及产品 |
WO2021038202A1 (en) * | 2019-08-23 | 2021-03-04 | Oxford University Innovation Limited | Computerised tomography image processing |
CN110852342A (zh) * | 2019-09-26 | 2020-02-28 | 京东城市(北京)数字科技有限公司 | 一种路网数据的获取方法、装置、设备及计算机存储介质 |
CN111275719A (zh) * | 2020-01-19 | 2020-06-12 | 北京推想科技有限公司 | 钙化假阳识别及其模型训练的方法、装置、终端及介质 |
Non-Patent Citations (3)
Title |
---|
李志成等: "遥感图像的显著-概要特征提取与目标检测", 《北京航空航天大学学报》 * |
李志成等: "遥感图像的显著-概要特征提取与目标检测", 《北京航空航天大学学报》, no. 06, 15 June 2010 (2010-06-15), pages 659 - 662 * |
王哲;张钰;王勇;: "关于脑部损伤CT图像目标点定位仿真", 计算机仿真, no. 11 * |
Also Published As
Publication number | Publication date |
---|---|
CN113112560B (zh) | 2023-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113017829B (zh) | 一种基于深度学习的全膝关节置换术的术前规划方法、系统、介质和设备 | |
CN108520519B (zh) | 一种图像处理方法、装置及计算机可读存储介质 | |
KR101949114B1 (ko) | 의료적 이미징 기반 절차에서 타겟 해부 대상으로의 내비게이션을 위한 시스템 및 방법 | |
CN109035234B (zh) | 一种结节检测方法、装置和存储介质 | |
CN110956635A (zh) | 一种肺段分割方法、装置、设备及存储介质 | |
US20200058098A1 (en) | Image processing apparatus, image processing method, and image processing program | |
US10022199B2 (en) | Registration correction based on shift detection in image data | |
CN112509119B (zh) | 针对颞骨的空间数据处理及定位方法、装置及电子设备 | |
US8494242B2 (en) | Medical image management apparatus and method, and recording medium | |
CN114419618A (zh) | 基于深度学习的全髋关节置换术前规划系统 | |
JP2010162340A (ja) | 画像処理装置および方法並びにプログラム | |
US10078906B2 (en) | Device and method for image registration, and non-transitory recording medium | |
CN107752979B (zh) | 人工投影的自动生成方法、介质和投影图像确定装置 | |
CN115005981A (zh) | 手术路径规划方法、系统、设备、介质和手术操作系统 | |
EP3574837A1 (en) | Medical information virtual reality server system, medical information virtual reality program, medical information virtual reality system, method of creating medical information virtual reality data, and medical information virtual reality data | |
US11195262B2 (en) | Body region identification device and method | |
US10827998B2 (en) | Method for visualizing a bone | |
CN116747017A (zh) | 脑出血手术规划系统及方法 | |
CN113112560B (zh) | 生理点区域标记方法与装置 | |
US10580136B2 (en) | Mapping image generation device, method, and program | |
US20240185509A1 (en) | 3d reconstruction of anatomical images | |
EP4216163A1 (en) | Method and device for segmentation and registration of an anatomical structure | |
CN117670959B (zh) | 骨骼配准装置及电子设备 | |
CN114469341B (zh) | 基于髋关节置换的髋臼注册方法 | |
CN215181889U (zh) | 使用三维面部及身体扫描数据提供实时可视化服务的设备 |
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 |