CN115474992A - 进针位置确定方法、装置、电子设备及可读存储介质 - Google Patents

进针位置确定方法、装置、电子设备及可读存储介质 Download PDF

Info

Publication number
CN115474992A
CN115474992A CN202211151884.1A CN202211151884A CN115474992A CN 115474992 A CN115474992 A CN 115474992A CN 202211151884 A CN202211151884 A CN 202211151884A CN 115474992 A CN115474992 A CN 115474992A
Authority
CN
China
Prior art keywords
target
target point
point
preset
focus
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.)
Withdrawn
Application number
CN202211151884.1A
Other languages
English (en)
Inventor
王欣
王战
阳光
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.)
Shukun Shanghai Medical Technology Co ltd
Original Assignee
Shukun Shanghai 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 Shukun Shanghai Medical Technology Co ltd filed Critical Shukun Shanghai Medical Technology Co ltd
Priority to CN202211151884.1A priority Critical patent/CN115474992A/zh
Publication of CN115474992A publication Critical patent/CN115474992A/zh
Priority to CN202310226343.9A priority patent/CN116485846B/zh
Withdrawn legal-status Critical Current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
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
    • A61B17/34—Trocars; Puncturing needles
    • A61B17/3403—Needle locating or guiding means
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
    • 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
    • G06T2207/30096—Tumor; Lesion

Abstract

本申请公开了一种进针位置确定方法、装置、电子设备及可读存储介质，包括：获取医学图像，以及所述医学图像中的靶点；根据所述靶点的位置变化信息，对所述靶点进行分类，得到配准靶点和修正靶点；根据所述配准靶点的靶点图像位置，对所述医学图像中病灶的病灶图像位置进行配准，得到目标病灶位置，以及所述目标病灶位置对应的基准进针位置；根据所述修正靶点的目标位置变化信息，对所述基准进针位置进行修正，得到修正后的目标进针位置。本方法一方面提高了配准的准确率，得到了较为准确的基准进针位置，另一方面在得到基准进针位置后，进一步对其进行了修正，保证了进针位置的准确率。

Description

进针位置确定方法、装置、电子设备及可读存储介质
技术领域
本申请涉及医疗技术领域，具体涉及一种进针位置确定方法、装置、电子设备及可读存储介质。
背景技术
近些年来，微创手术由于其创面小，手术洁净度高等优势，被广泛应用于医疗领域。穿刺手术作属于微创手术的一种，其能够直达病灶，具有针对性对病灶进行处理和治疗。
在常规的穿刺手术过程中，通常会采用自动或半自动的方式对穿刺点进行定位，确保穿刺位置的准确性，以免对非目标区域造成过多的损伤。通常在定位时，需要先在患者皮肤上预置靶点，通过靶点的位置，将图像中病灶的位置转换为实际位置，以确定穿刺时的进针位置。但是，目前的进针位置确定方法得到的进针位置不准确，容易导致穿刺设备无法穿刺至病灶。
发明内容
本申请提供一种进针位置确定方法、装置、电子设备及可读存储介质，旨在解决目前的进针位置确定方法不准确的技术问题。
第一方面，本申请提供一种进针位置确定方法，包括：
获取医学图像，以及所述医学图像中的靶点；
根据所述靶点的位置变化信息，对所述靶点进行分类，得到配准靶点和修正靶点；
根据所述配准靶点的靶点图像位置，对所述医学图像中病灶的病灶图像位置进行配准，得到目标病灶位置，以及所述目标病灶位置对应的基准进针位置；
根据所述修正靶点的目标位置变化信息，对所述基准进针位置进行修正，得到修正后的目标进针位置。
在本申请的一种可能的实现方式中，所述根据所述靶点的位置变化信息，对所述靶点进行分类，得到配准靶点和修正靶点，包括：
将所述位置变化信息输入预设的靶点分类模型，得到所述靶点中的配准靶点，以及所述靶点中的修正靶点，其中，所述预设的靶点分类模型为机器学习模型和统计模型中的一者。
在本申请的一种可能的实现方式中，所述预设的靶点分类模型为统计模型，所述预设的靶点分类模型用于统计所述位置变化信息对应的目标位移特征值，并将所述目标位移特征值与预设的特征阈值进行对比，得到目标位移特征值大于或者等于所述特征阈值的修正靶点，以及目标位移特征值小于所述特征阈值的配准靶点。
在本申请的一种可能的实现方式中，所述目标位移特征值为所述位置变化信息对应的目标极差。
在本申请的一种可能的实现方式中，所述预设的靶点分类模型还用于计算所述位置变化信息与预设的皮肤运动信息之间的相似度，得到相似度大于预设相似度阈值的目标皮肤运动信息，以及所述目标皮肤运动信息对应的预设运动模式，并根据所述预设运动模式对所述位置变化信息对应的初始位移特征值进行调整，得到所述位置变化信息对应的目标位移特征值。
在本申请的一种可能的实现方式中，所述根据所述修正靶点的目标位置变化信息，对所述基准进针位置进行修正，得到修正后的目标进针位置，包括：
获取所述修正靶点的目标位置变化信息与预设的基准位置变化信息之间的变化偏差信息；
根据所述变化偏差信息，对所述基准进针位置进行修正，得到修正后的目标进针位置。
在本申请的一种可能的实现方式中，所述根据所述配准靶点的靶点图像位置，对所述医学图像中病灶的病灶图像位置进行配准，得到目标病灶位置，以及所述目标病灶位置对应的基准进针位置，包括：
根据所述配准靶点的靶点图像位置，所述配准靶点的靶点实际位置，以及所述医学图像中病灶的病灶图像位置，计算得到所述病灶的目标病灶位置；
根据所述病灶的预设位置和所述目标病灶位置之间的位置偏移信息，对预设进针位置进行修正，得到所述目标病灶位置对应的基准进针位置，
或者，基于预设的进针位置计算策略，根据所述目标病灶位置，计算得到所述目标病灶位置对应的基准进针位置。
在本申请的一种可能的实现方式中，所述获取医学图像，以及所述医学图像中的靶点，包括：
获取医学图像，以及预设进针位置在所述医学图像中对应的靶点搜索区域；
对所述靶点搜索区域进行识别，得到所述医学图像中的靶点。
在本申请的一种可能的实现方式中，所述对所述靶点搜索区域进行识别，得到所述医学图像中的靶点，包括：
将所述靶点搜索区域内的靶点作为候选靶点，根据所述候选靶点的靶点图像位置，对所述预设进针位置进行空间插值处理，得到各所述候选靶点对应的进针点位移特征值；
对各所述候选靶点进行组合，得到靶点组合；
对各所述靶点组合对应的进针点位移特征值进行统计，得到各所述靶点组合对应的位移特征值范围，以及位移特征值范围最小的目标靶点组合；
将所述目标靶点组合中的候选靶点设定为所述医学图像中的靶点。
在本申请的一种可能的实现方式中，各所述靶点组合对应的进针点位移特征值为各所述靶点组合对应的进针点位移极差。
第二方面，本申请提供一种进针位置确定装置，包括：
获取单元，用于获取医学图像，以及所述医学图像中的靶点；
分类单元，用于根据所述靶点的位置变化信息，对所述靶点进行分类，得到配准靶点和修正靶点；
配准单元，用于根据所述配准靶点的靶点图像位置，对所述医学图像中病灶的病灶图像位置进行配准，得到目标病灶位置，以及所述目标病灶位置对应的基准进针位置；
修正单元，用于根据所述修正靶点的目标位置变化信息，对所述基准进针位置进行修正，得到修正后的目标进针位置。
在本申请的一种可能的实现方式中，分类单元还用于：
将所述位置变化信息输入预设的靶点分类模型，得到所述靶点中的配准靶点，以及所述靶点中的修正靶点，其中，所述预设的靶点分类模型为机器学习模型和统计模型中的一者。
在本申请的一种可能的实现方式中，所述预设的靶点分类模型为统计模型，所述预设的靶点分类模型用于统计所述位置变化信息对应的目标位移特征值，并将所述目标位移特征值与预设的特征阈值进行对比，得到目标位移特征值大于或者等于所述特征阈值的修正靶点，以及目标位移特征值小于所述特征阈值的配准靶点。
在本申请的一种可能的实现方式中，所述目标位移特征值为所述位置变化信息对应的目标极差。
在本申请的一种可能的实现方式中，所述预设的靶点分类模型还用于计算所述位置变化信息与预设的皮肤运动信息之间的相似度，得到相似度大于预设相似度阈值的目标皮肤运动信息，以及所述目标皮肤运动信息对应的预设运动模式，并根据所述预设运动模式对所述位置变化信息对应的初始位移特征值进行调整，得到所述位置变化信息对应的目标位移特征值。
在本申请的一种可能的实现方式中，修正单元还用于：
获取所述修正靶点的目标位置变化信息与预设的基准位置变化信息之间的变化偏差信息；
根据所述变化偏差信息，对所述基准进针位置进行修正，得到修正后的目标进针位置。
在本申请的一种可能的实现方式中，配准单元还用于：
根据所述配准靶点的靶点图像位置，所述配准靶点的靶点实际位置，以及所述医学图像中病灶的病灶图像位置，计算得到所述病灶的目标病灶位置；
根据所述病灶的预设位置和所述目标病灶位置之间的位置偏移信息，对预设进针位置进行修正，得到所述目标病灶位置对应的基准进针位置，
或者，基于预设的进针位置计算策略，根据所述目标病灶位置，计算得到所述目标病灶位置对应的基准进针位置。
在本申请的一种可能的实现方式中，获取单元还用于：
获取医学图像，以及预设进针位置在所述医学图像中对应的靶点搜索区域；
对所述靶点搜索区域进行识别，得到所述医学图像中的靶点。
在本申请的一种可能的实现方式中，获取单元还用于：
将所述靶点搜索区域内的靶点作为候选靶点，根据所述候选靶点的靶点图像位置，对所述预设进针位置进行空间插值处理，得到各所述候选靶点对应的进针点位移特征值；
对各所述候选靶点进行组合，得到靶点组合；
对各所述靶点组合对应的进针点位移特征值进行统计，得到各所述靶点组合对应的位移特征值范围，以及位移特征值范围最小的目标靶点组合；
将所述目标靶点组合中的候选靶点设定为所述医学图像中的靶点。
在本申请的一种可能的实现方式中，各所述靶点组合对应的进针点位移特征值为各所述靶点组合对应的进针点位移极差。
第三方面，本申请还提供一种电子设备，电子设备包括处理器、存储器以及存储于存储器中并可在处理器上运行的计算机程序，处理器调用存储器中的计算机程序时执行本申请提供的任一种进针位置确定方法中的步骤。
第四方面，本申请还提供一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现本申请提供的任一种进针位置确定方法中的步骤。
综上所述，本申请实施例提供的进针位置确定方法包括：获取医学图像，以及所述医学图像中的靶点；根据所述靶点的位置变化信息，对所述靶点进行分类，得到配准靶点和修正靶点；根据所述配准靶点的靶点图像位置，对所述医学图像中病灶的病灶图像位置进行配准，得到目标病灶位置，以及所述目标病灶位置对应的基准进针位置；根据所述修正靶点的目标位置变化信息，对所述基准进针位置进行修正，得到修正后的目标进针位置。
可见，本申请实施例提供的进针位置确定方法可以根据位置变化信息划分医学图像中的靶点，得到适用于配准病灶图像位置的配准靶点，以及适用于修正基准进针位置的修正靶点，因此一方面提高了配准的准确率，得到了较为准确的基准进针位置，另一方面在得到基准进针位置后，进一步对其进行了修正，保证了进针位置的准确率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，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是本申请实施例提供的进针位置确定方法的应用场景示意图；
图2是本申请实施例中提供的进针位置确定方法的一种流程示意图；
图3是本申请实施例中提供的获取目标进针位置的一种流程示意图；
图4是本申请实施例中提供的获取医学图像中的靶点的一种流程示意图；
图5是本申请实施例中提供的获取医学图像中的靶点的另一种流程示意图；
图6是本申请实施例中提供的进针位置确定装置的一个实施例结构示意图；
图7是本申请实施例中提供的电子设备的一个实施例结构示意图。
具体实施方式
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，所描述的实施例仅仅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，本领域技术人员在没有作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。
在本申请实施例的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请实施例的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
为了使本领域任何技术人员能够实现和使用本申请，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本申请。在其它实例中，不会对公知的过程进行详细阐述，以避免不必要的细节使本申请实施例的描述变得晦涩。因此，本申请并非旨在限于所示的实施例，而是与符合本申请实施例所公开的原理和特征的最广范围相一致。
本申请实施例提供一种进针位置确定方法、装置、电子设备和可读存储介质。其中，该进针位置确定装置可以集成在电子设备中，该电子设备可以是服务器，也可以是终端等设备。
本申请实施例进针位置确定方法的执行主体可以为本申请实施例提供的进针位置确定装置，或者集成了该进针位置确定装置的服务器设备、物理主机或者用户设备(UserEquipment，UE)等不同类型的电子设备，其中，进针位置确定装置可以采用硬件或者软件的方式实现，UE具体可以为智能手机、平板电脑、笔记本电脑、掌上电脑、台式电脑或者个人数字助理(Personal Digital Assistant，PDA)等终端设备。
该电子设备可以采用单独运行的工作方式，或者也可以采用设备集群的工作方式。
参见图1，图1是本申请实施例所提供的进针位置确定系统的场景示意图。其中，该进针位置确定系统可以包括电子设备100，电子设备100中集成有进针位置确定装置。
另外，如图1所示，该进针位置确定系统还可以包括存储器200，用于存储数据，如存储文本数据。
需要说明的是，图1所示的进针位置确定系统的场景示意图仅仅是一个示例，本申请实施例描述的进针位置确定系统以及场景是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着进针位置确定系统的演变和新业务场景的出现，本发明实施例提供的技术方案对于类似的技术问题，同样适用。
下面，开始介绍本申请实施例提供的进针位置确定方法，本申请实施例中以电子设备作为执行主体，为了简化与便于描述，后续方法实施例中将省略该执行主体，该进针位置确定包括：获取医学图像，以及所述医学图像中的靶点；根据所述靶点的位置变化信息，对所述靶点进行分类，得到配准靶点和修正靶点；根据所述配准靶点的靶点图像位置，对所述医学图像中病灶的病灶图像位置进行配准，得到目标病灶位置，以及所述目标病灶位置对应的基准进针位置；根据所述修正靶点的目标位置变化信息，对所述基准进针位置进行修正，得到修正后的目标进针位置。
参照图2，图2是本申请实施例提供的进针位置确定方法的一种流程示意图。需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。该进针位置确定方法具体可以包括以下步骤201-步骤204，其中：
201、获取医学图像，以及所述医学图像中的靶点。
医学图像可以是指手术过程中，或者在手术前对患者拍摄得到的图像，在医学图像中，应当包含患者的病灶信息。示例性地，医学图像可以是指在手术过程中，通过电子计算机断层扫描(Computed Tomography，CT)技术，对患者的病灶拍摄得到的CT图像。例如当患者的病灶是指胃部时，可以通过CT技术对患者的胃部进行拍摄，以得到医学图像。
在医学图像中，应当包含靶点，即医学图像同时还应当是包含了靶点的图像。其中，靶点可以理解为在手术过程中对患者的病灶进行校准的基准位置，在手术过程中，医生可以通过医学图像中靶点的位置，靶点的实际位置，以及医学图像中编造的位置，确定病灶的实际位置，以便医生确定穿刺手术时的进针位置。医生可以在患者的皮肤表面附着能够反光的光学标志，电子设备将光学标志作为靶点。例如，医生可以将球形反光片、片状反光片等光学标志附着在患者的皮肤表面，将这些光学标志作为靶点。
需要说明的是，在本申请实施例中，医学图像应当有多张。示例性地，可以在手术过程中，通过CT技术不断采集患者病灶位置的图像，并将手术过程中采集到的所有包含靶点的图像作为医学图像。
在一些实施例中，为了避免医学图像中未包含病灶的信息，可以同时通过训练好的病灶检测模型，对拍摄得到的图像进行检测，若图像中包含病灶，则将其作为医学图像，若图像中未包含病灶，则可以发出告警信息，提示医生重新在患者的皮肤表面布置靶点，然后重新采集患者病灶位置的图像。示例性地，电子设备可以通过训练好的病灶检测模型，判断图像中是否包含病灶。示例性地，可以将AlexNet等开源的目标检测模型作为初始的病灶检测模型，通过预设的样本病灶图像，以及样本病灶图像的标签信息对初始的病灶检测模型进行训练，以得到训练好的病灶检测模型。
在执行步骤201时，电子设备可以通过训练好的靶点检测模型，获取医学图像中的靶点。示例性地，可以将AlexNet等开源的目标检测模型作为初始的靶点检测模型，通过预设的样本靶点图像，以及样本靶点图像的标签信息对初始的靶点检测模型进行训练，以得到训练好的靶点检测模型。
202、根据所述靶点的位置变化信息，对所述靶点进行分类，得到配准靶点和修正靶点。
配准靶点是指用于根据其图像位置，以及病灶的图像位置，计算得到病灶的实际位置的靶点。示例性地，可以将多张医学图像中，受到患者呼吸影响较小的靶点作为配准靶点。例如可以将多张医学图像中，位置变化较小的靶点作为配准靶点。配准靶点的位置变化较小，说明患者呼吸导致的皮肤起伏对配准靶点的影响较小，进行图像位置和实际位置之间的转换时准确率更高，因此通过配准靶点计算得到的病灶实际位置更加准确，不会因为呼吸导致的皮肤起伏影响图像位置和实际位置之间转换关系的准确率。
修正靶点是指用于对上述病灶实际位置对应的进针位置进行修正时，采用的靶点，由于通过配准靶点确定病灶的实际位置时，相当于得到的是未计算患者呼吸的影响时，所得到的病灶位置，排除了患者呼吸对病灶位置的改变，但是在手术过程中，患者的呼吸也会导致病灶位置发生改变，如果不对上述病灶实际位置对应的进针位置进行修正，则可能导致穿刺设备无法准确地穿刺至病灶。因此还需要通过修正靶点，以患者呼吸对病灶位置的改变程度，对进针位置进一步进行修正。示例性地，可以将多张医学图像中，受到患者呼吸影响较大的靶点作为配准靶点。例如可以将多张医学图像中，位置变化较大的靶点作为配准靶点。从上文中可知，患者呼吸会影响确定进针位置的准确率，因此为了修正患者呼吸导致的偏差，可以从靶点中筛选得到位置变化较大，即受到患者呼吸影响最大的靶点，通过这些靶点对上述理论实际位置对应的进针位置进行修正。
靶点的位置变化信息是指在多张医学图像中，靶点图像位置的变化信息。示例性地，电子设备可以获取每张医学图像中的靶点图像位置，然后根据各靶点图像位置，以及各靶点图像位置对应的图像时间戳，生成靶点的位置变化曲线，将位置变化曲线作为靶点的位置变化信息。
在执行步骤202时，可以将靶点的位置变化信息输入预设的靶点分类模型，以输出靶点的类型，得到靶点中的配准靶点和修正靶点。
在一些实施例中，预设的靶点分类模型可以为机器学习模型和统计模型中的一者，即步骤“根据所述靶点的位置变化信息，对所述靶点进行分类，得到配准靶点和修正靶点”，包括：
将所述位置变化信息输入预设的靶点分类模型，得到所述靶点中的配准靶点，以及所述靶点中的修正靶点，其中，所述预设的靶点分类模型为机器学习模型和统计模型中的一者。
当预设的靶点分类模型为机器学习模型时，该模型可以通过训练学习到患者呼吸时皮肤表面的位置变化信息，或者学习到样本修正靶点的位置变化信息，并根据在执行步骤202时，将靶点的位置变化信息与学习到的信息进行匹配，得到位置变化信息与学习到的信息之间相似度最大的靶点，即运动模式与患者呼吸时的皮肤表面最接近，受到患者呼吸影响较大的靶点，将这些受到患者呼吸影响最大的靶点作为修正靶点，将其他的靶点作为配准靶点。
在一些实施例中，可以将开源的逻辑回归(Logistic Regression)模型作为初始的靶点分类模型，通过预设的第一样本数据，对初始的靶点分类模型进行训练，得到预设的靶点分类模型，其中，第一样本数据可以是指上文中患者呼吸时皮肤表面的位置变化信息，或者样本修正靶点的位置变化信息。
当预设的靶点分类模型为统计模型时，该模型可以根据位置变化信息，统计得到用于表征靶点位置变化大小的特征值，并将该特征值与预设的阈值进行对比，若特征值大于或者等于预设的阈值，则说明靶点位置变化较大，将该靶点作为修正靶点，若特征值小于预设的阈值，则说明靶点位置变化较小，将该靶点作为配准靶点，即“所述预设的靶点分类模型为统计模型，所述预设的靶点分类模型用于统计所述位置变化信息对应的目标位移特征值，并将所述目标位移特征值与预设的特征阈值进行对比，得到目标位移特征值大于或者等于所述特征阈值的修正靶点，以及目标位移特征值小于所述特征阈值的配准靶点”
本申请实施例对获取目标位移特征值的方法不进行限制，只要目标位移特征值能够体现靶点的位置变化大小即可。例如，当位置变化信息是指位置变化曲线时，可以计算位置变化曲线中靶点图像位置的平均值，并筛选得到靶点图像位置中的最大值，计算最大值和平均值之间的差，将该差作为目标位移特征值，目标位移特征值越大，说明靶点位置变化越大，目标位移特征值越小，说明靶点位置变化越小。又例如，也可以从位置变化曲线的靶点图像位置中，筛选得到次大值和次小值，计算次大值和次小值之间的差，将该差作为目标位移特征值，目标位移特征值越大，说明靶点位置变化越大，目标位移特征值越小，说明靶点位置变化越小。
在一些实施例中，为了更准确地表征靶点位置变化的大小程度，可以从位置变化曲线的靶点图像位置中，筛选得到最大值和最小值，计算最大值和最小值之间的差，将该差作为目标位移特征值，即将位置变化曲线对应的极差作为目标位移特征值。
或者，当预设的靶点分类模型为统计模型时，预设的靶点分类模型也可以将特征值与预设的特征值范围进行匹配，以对靶点进行分类。又或者，还可以按照特征值的大小对靶点进行排序，将特征值的大小排名前N的靶点作为修正靶点，将特征值的大小排名后N的靶点作为配准靶点。总之，只要能够对靶点根据位置变化大小，或者根据与皮肤的运动模式之间的相似度进行分类即可。
在另一些实施例中，考虑到不同位置的皮肤的运动模式，导致靶点对应的运动模式不同，进而能够准确体现靶点位置变化大小程度的特征值的计算方法不同，因此可以首先确定靶点对应的运动模式，然后根据运动模式对通过上述方法统计得到的位移特征值进行调整，以得到目标位移特征值。即“所述预设的靶点分类模型还用于计算所述位置变化信息与预设的皮肤运动信息之间的相似度，得到相似度大于预设相似度阈值的目标皮肤运动信息，以及所述目标皮肤运动信息对应的预设运动模式，并根据所述预设运动模式对所述位置变化信息对应的初始位移特征值进行调整，得到所述位置变化信息对应的目标位移特征值”。
其中，运动模式可以包括横向运动、纵向运动、膨胀式运动等等，本申请实施例对此不进行限制。
其中，初始的位移特征值的计算方法可以参考上文，例如可以将位置变化信息对应的极差作为位置变化信息对应的初始位移特征值，具体不进行赘述。
预设的皮肤运动信息可以是指由皮肤在不同时间对应的位置，所构造的皮肤运动曲线。例如，可以预先通过拍摄CT图像的方法，采集患者各个部位的图像，并根据各个部位的图像中，皮肤在不同时间对应的位置，构造各个部位对应的皮肤运动曲线，将得到的皮肤运动曲线作为预设的皮肤运动信息。
示例性地，在对比靶点的位置变化信息与皮肤运动信息时，电子设备可以通过训练初始的运动模式识别模型，使其学习得到不同的皮肤运动信息与运动模式之间的对应关系，得到训练好的运动模式识别模型，然后将靶点的位置变化信息输入训练好的运动模式识别模型中，通过训练好的运动模式识别模型计算位置变化信息与皮肤运动信息之间的相似度，得到相似度大于预设相似度阈值的目标皮肤运动信息，并输出目标皮肤运动信息对应的运动模式。其中，训练好的运动模式识别模型可以对比位置变化信息与皮肤运动信息之间，梯度变化信息、极差、平均值等特征信息，以确定位置变化信息与皮肤运动信息之间的相似度。
或者，也可以不通过模型，而是统计位置变化信息和皮肤运动信息各自的梯度变化信息、极差、平均值等特征信息，并进行对比，以确定位置变化信息与皮肤运动信息之间的相似度，得到相似度大于预设相似度阈值的目标皮肤运动信息，以及目标皮肤运动信息对应的运动模式。
得到目标皮肤运动信息对应的运动模式之后，即可根据运动模式对初始位移特征值进行对应调整。例如当运动模式为纵向运动时，可以将靶点在皮肤横向上的位置变化判定为误差，将其归零。而当运动模式为横向运动时，可以将靶点在皮肤纵向上的位置变化判定为误差，将其归零。需要说明的是，上述例子仅为了方便理解，不能理解为对本申请实施例的限制。
203、根据所述配准靶点的靶点图像位置，对所述医学图像中病灶的病灶图像位置进行配准，得到目标病灶位置，以及所述目标病灶位置对应的基准进针位置。
首先需要说明的是，本申请实施例中的配准是指将医学图像中的图像位置转换为实际位置。例如，可以通过预设的图像位置-实际位置转换关系，将医学图像中的图像位置转换为实际位置。
可以理解的，目标病灶位置是指配准后得到的病灶实际位置。示例性地，可以根据配准靶点的靶点图像位置和医学图像中病灶的病灶图像位置，计算得到配准靶点与病灶之间的图像位置偏差，然后通过预设的图像位置-实际位置转换关系，将图像位置偏差转换为实际位置偏差，并根据实际位置偏差和配准靶点的靶点实际位置，计算得到目标病灶位置。
其中，目标病灶位置对应的基准进针位置可以为实时计算得到的位置，也可以为预先计算好的位置。
当基准进针位置是实时计算得到的位置时，电子设备可以通过预设的进针位置确定算法，根据目标病灶位置生成基准进针位置。
当基准进针位置是预先计算好的位置时，医生可以预先为患者的不同身体区域预先设置对应的候选进针位置，当执行步骤203时，电子设备将目标病灶位置与上述身体区域匹配，得到目标病灶位置所属的目标身体区域，将目标身体区域对应的候选进针位置作为目标病灶位置对应的基准进针位置。或者，当医生预先对病灶进行估算，得到预设的病灶位置，并根据预设的病灶位置确定了预设的进针位置时，可以根据目标病灶位置和预设的病灶位置，对预设的进针位置进行调整，以得到基准进针位置。即步骤“根据所述配准靶点的靶点图像位置，对所述医学图像中病灶的病灶图像位置进行配准，得到目标病灶位置，以及所述目标病灶位置对应的基准进针位置”，包括：
(1.1)根据所述配准靶点的靶点图像位置，所述配准靶点的靶点实际位置，以及所述医学图像中病灶的病灶图像位置，计算得到所述病灶的目标病灶位置；
计算目标病灶位置的说明可以参考上文，具体不进行赘述。
(1.2)根据所述病灶的预设位置和所述目标病灶位置之间的位置偏移信息，对预设进针位置进行修正，得到所述目标病灶位置对应的基准进针位置，
或者，基于预设的进针位置计算策略，根据所述目标病灶位置，计算得到所述目标病灶位置对应的基准进针位置。
病灶的预设位置是指上文中预设的病灶位置，预设进针位置是指上文中医生根据预设的病灶位置，确定的预设的进针位置。
在执行步骤(1.2)时，电子设备可以计算预设位置和目标病灶位置之间的差值，得到位置偏移信息，并根据位置偏移信息和预设进针位置，计算得到基准进针位置。
除此之外，基准进针位置也可以是人工设置的位置。例如，基准进针位置可以是电子设备将目标病灶位置输出至目标终端后，由医生根据目标病灶位置输入电子设备的位置。目标终端可以是指电脑、CT设备等等。
需要说明的是，若配准靶点有多个，则可以依次根据每个配准靶点确定实际病灶位置，并将各实际病灶位置的平均值作为目标病灶位置，或者也可以计算各配准靶点的图像位置的平均值，各配准靶点的实际位置的平均值，进而确定目标病灶位置，或者也可以通过其他方法统一得到一个目标病灶位置，本申请实施例对此不进行限制。
204、根据所述修正靶点的目标位置变化信息，对所述基准进针位置进行修正，得到修正后的目标进针位置。
目标位置变化信息是指修正靶点的位置变化信息。在本申请实施例中，通过目标位置变化信息表征病灶位置在手术中的变化，以提高穿刺手术中穿刺操作的准确率。
目标进针位置是指计算患者呼吸，对基准进针位置进行修正后，得到的手术中的实际进针位置，即计算患者呼吸对病灶位置的影响后，修正得到的实际进针位置。
示例性地，电子设备可以将目标位置变化信息，以及基准进针位置输入训练好的位置修正模型中，输出修正后的目标进针位置。电子设备可以将开源的逻辑回归模型作为初始的位置修正模型，通过预设的第二样本数据对初始的位置修正模型进行训练，得到训练好的位置修正模型。其中，第二样本数据中可以包括作为样本的目标位置变化信息、作为样本的基准进针位置和作为样本的目标进针位置。
若修正靶点有多个，则可以参考配准靶点有多个时的处理方法，具体不进行赘述。
可见，通过步骤201-步骤204的方法，一方面可以在对病灶图像位置进行配准时，选择患者呼吸影响较小的配准靶点，提高图像位置-实际位置之间转换的准确率，进而得到更加准确的目标病灶位置和基准进针位置。另一方面，可以通过患者呼吸影响较大的修正靶点，对基准进针位置进行修正，消除患者呼吸对病灶位置的改变。因此本方法可以有效提高进针位置的准确率，而传统方法中，一方面容易将患者呼吸影响较大的靶点作为用于配准的靶点，另一方面即使在配准时采用了患者呼吸影响较小的靶点，仍然没有考虑到患者呼吸对进针位置的影响。
综上所述，本申请实施例提供的进针位置确定方法包括：获取医学图像，以及所述医学图像中的靶点；根据所述靶点的位置变化信息，对所述靶点进行分类，得到配准靶点和修正靶点；根据所述配准靶点的靶点图像位置，对所述医学图像中病灶的病灶图像位置进行配准，得到目标病灶位置，以及所述目标病灶位置对应的基准进针位置；根据所述修正靶点的目标位置变化信息，对所述基准进针位置进行修正，得到修正后的目标进针位置。
可见，本申请实施例提供的进针位置确定方法可以根据位置变化信息划分医学图像中的靶点，得到适用于配准病灶图像位置的配准靶点，以及适用于修正基准进针位置的修正靶点，因此一方面提高了配准的准确率，得到了较为准确的基准进针位置，另一方面在得到基准进针位置后，进一步对其进行了修正，保证了进针位置的准确率。
在一些实施例中，可以将目标位置变化信息与预设的基准信息进行对比，得到目标位置变化信息与预设的基准信息之间的偏差，并根据偏差修正基准进针位置，得到目标进针位置。参考图3，此时，步骤“根据所述修正靶点的目标位置变化信息，对所述基准进针位置进行修正，得到修正后的目标进针位置”，包括：
301、获取所述修正靶点的目标位置变化信息与预设的基准位置变化信息之间的变化偏差信息。
在一些实施例中，预设的基准位置变化信息可以是指患者未呼吸状态下，皮肤表面的位置变化曲线。
在另一些实施例中，考虑到患者平稳呼吸时病灶的位置改变较小，只有进入手术后，患者由于伤势和生理反应进行深呼吸等异常呼吸行为时，病灶的位置才会产生较大的变化，因此可以将患者平稳呼吸时，皮肤表面的位置变化曲线作为预设的基准位置变化信息。
预设的基准位置变化信息可以由医生人工设置后，存储在医院的后台数据库中，当执行步骤301时，电子设备可以直接从该后台数据库中读取得到预设的基准位置变化信息。
通过对比目标位置变化信息与基准位置变化信息，即可得到变化偏差信息。例如当目标位置变化信息是指修正靶点的位置变化曲线，基准位置变化信息是指患者未呼吸状态下，皮肤表面的位置变化曲线时，电子设备可以分别统计得到目标位置变化信息中各图像位置的第一平均值，以及基准位置变化信息中各图像位置的第二平均值，将第一平均值和第二平均值之间的差作为变化偏差信息。
302、根据所述变化偏差信息，对所述基准进针位置进行修正，得到修正后的目标进针位置。
根据变化偏差信息和基准进针位置，即可计算得到目标进针位置。
可以理解的，本申请实施例通过修正靶点在患者处于不同状态下的偏差信息，表征病灶位置在手术过程中的偏差信息，进而可以根据病灶位置在手术过程中的偏差信息，对基准进针位置进行修正，以提高穿刺手术中穿刺操作的准确率。
在一些实施例中，医生会预先设置进针点，具体可以参考步骤203中的说明。此时为了使靶点的运动模式与进针点的运动模式更加匹配，进而提高在确定基准进针位置，以及确定目标进针位置时的准确率，可以将预设进针点周围的靶点作为步骤201中医学图像中的靶点。参考图4，此时，步骤“获取医学图像，以及所述医学图像中的靶点”，包括：
401、获取医学图像，以及预设进针位置在所述医学图像中对应的靶点搜索区域。
预设进针位置是指预设进针点的位置。例如，可以选择任一医学图像，将预设进针点在该任一医学图像中的图像位置作为预设进针位置。
示例性地，电子设备可以根据预设的搜索距离，以及预设进针位置，计算得到医学图像中的靶点搜索区域。其中，搜索距离的具体数值可以根据实际的场景需求进行设置。
402、对所述靶点搜索区域进行识别，得到所述医学图像中的靶点。
示例性地，电子设备可以通过上文中训练好的靶点检测模型，获取医学图像中的基础靶点，并将靶点搜索区域中的基础靶点作为医学图像中的靶点。
通过步骤401-步骤402，可以将预设进针位置周围的靶点作为步骤201中医学图像中的靶点，进而提高在确定基准进针位置，以及确定目标进针位置时的准确率。
在一些实施例中，除了通过限制位置的方法选择靶点，以提高在确定基准进针位置，以及确定目标进针位置时的准确率之外，还可以根据基础靶点，估算预设进针位置的位移特征值，选择位移特征值变化范围最小的基础靶点组合，将基础靶点组合中的靶点作为步骤201中医学图像中的靶点。参考图5，此时，步骤“对所述靶点搜索区域进行识别，得到所述医学图像中的靶点”，包括：
501、将所述靶点搜索区域内的靶点作为候选靶点，根据所述候选靶点的靶点图像位置，对所述预设进针位置进行空间插值处理，得到各所述候选靶点对应的进针点位移特征值。
通过空间插值处理，即可根据已知的靶点图像位置，推算得到预设进针点在各靶点图像位置对应的时间点，所处的位置。空间插值处理后，可以通过上文中获取目标位移特征值的方法，根据预设进针点在各时间点所处的位置，获取进针点位移特征值。可以理解的，对于每个候选靶点，均可以计算得到一个进针点位移特征值。
其中，进针点位移特征值的说明可以参考目标位移特征值，具体不进行赘述。在一些实施例中，进针点位移特征值可以是指进针点位移极差。
502、对各所述候选靶点进行组合，得到靶点组合。
503、对各所述靶点组合对应的进针点位移特征值进行统计，得到各所述靶点组合对应的位移特征值范围，以及位移特征值范围最小的目标靶点组合。
由于对于每个候选靶点，均可以计算得到一个进针点位移特征值，因此将候选靶点组合后，即可得到每一个靶点组合对应的位移特征值范围。并从中选择位移特征值范围最小的目标靶点组合。
504、将所述目标靶点组合中的候选靶点设定为所述医学图像中的靶点。
通过该方法选择靶点，即可降低对预设进针位置进行修正时的误差，提高在确定基准进针位置，以及确定目标进针位置时的准确率，原因在于，通过本方法，即可得到多个运动模式相近的靶点设定为医学图像中的靶点，进而在依次采用不同的靶点进行配准和修正，或者采用靶点的平均图像位置进行配准和修正时，不会由于靶点的运动模式相差过远，导致配准和修正时反而降低了进针位置的准确率。
为了更好实施本申请实施例中进针位置确定方法，在进针位置确定方法基础之上，本申请实施例中还提供一种进针位置确定装置，如图6所示，为本申请实施例中进针位置确定装置的一个实施例结构示意图，该进针位置确定装置600包括：
获取单元601，用于获取医学图像，以及所述医学图像中的靶点；
分类单元602，用于根据所述靶点的位置变化信息，对所述靶点进行分类，得到配准靶点和修正靶点；
配准单元603，用于根据所述配准靶点的靶点图像位置，对所述医学图像中病灶的病灶图像位置进行配准，得到目标病灶位置，以及所述目标病灶位置对应的基准进针位置；
修正单元604，用于根据所述修正靶点的目标位置变化信息，对所述基准进针位置进行修正，得到修正后的目标进针位置。
在本申请的一种可能的实现方式中，分类单元602还用于：
将所述位置变化信息输入预设的靶点分类模型，得到所述靶点中的配准靶点，以及所述靶点中的修正靶点，其中，所述预设的靶点分类模型为机器学习模型和统计模型中的一者。
在本申请的一种可能的实现方式中，所述预设的靶点分类模型为统计模型，所述预设的靶点分类模型用于统计所述位置变化信息对应的目标位移特征值，并将所述目标位移特征值与预设的特征阈值进行对比，得到目标位移特征值大于或者等于所述特征阈值的修正靶点，以及目标位移特征值小于所述特征阈值的配准靶点。
在本申请的一种可能的实现方式中，所述目标位移特征值为所述位置变化信息对应的目标极差。
在本申请的一种可能的实现方式中，所述预设的靶点分类模型还用于计算所述位置变化信息与预设的皮肤运动信息之间的相似度，得到相似度大于预设相似度阈值的目标皮肤运动信息，以及所述目标皮肤运动信息对应的预设运动模式，并根据所述预设运动模式对所述位置变化信息对应的初始位移特征值进行调整，得到所述位置变化信息对应的目标位移特征值。
在本申请的一种可能的实现方式中，修正单元604还用于：
获取所述修正靶点的目标位置变化信息与预设的基准位置变化信息之间的变化偏差信息；
根据所述变化偏差信息，对所述基准进针位置进行修正，得到修正后的目标进针位置。
在本申请的一种可能的实现方式中，配准单元603还用于：
根据所述配准靶点的靶点图像位置，所述配准靶点的靶点实际位置，以及所述医学图像中病灶的病灶图像位置，计算得到所述病灶的目标病灶位置；
根据所述病灶的预设位置和所述目标病灶位置之间的位置偏移信息，对预设进针位置进行修正，得到所述目标病灶位置对应的基准进针位置，
或者，基于预设的进针位置计算策略，根据所述目标病灶位置，计算得到所述目标病灶位置对应的基准进针位置。
在本申请的一种可能的实现方式中，获取单元601还用于：
获取医学图像，以及预设进针位置在所述医学图像中对应的靶点搜索区域；
对所述靶点搜索区域进行识别，得到所述医学图像中的靶点。
在本申请的一种可能的实现方式中，获取单元601还用于：
将所述靶点搜索区域内的靶点作为候选靶点，根据所述候选靶点的靶点图像位置，对所述预设进针位置进行空间插值处理，得到各所述候选靶点对应的进针点位移特征值；
对各所述候选靶点进行组合，得到靶点组合；
对各所述靶点组合对应的进针点位移特征值进行统计，得到各所述靶点组合对应的位移特征值范围，以及位移特征值范围最小的目标靶点组合；
将所述目标靶点组合中的候选靶点设定为所述医学图像中的靶点。
在本申请的一种可能的实现方式中，各所述靶点组合对应的进针点位移特征值为各所述靶点组合对应的进针点位移极差。
具体实施时，以上各个模块可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个模块的具体实施可参见前面的方法实施例，在此不再赘述。
由于该进针位置确定装置可以执行任意实施例中进针位置确定方法中的步骤，因此，可以实现本申请任意实施例中进针位置确定方法所能实现的有益效果，详见前面的说明，在此不再赘述。
此外，为了更好实施本申请实施例中进针位置确定方法，在进针位置确定方法基础之上，本申请实施例还提供一种电子设备，参阅图7，图7示出了本申请实施例电子设备的一种结构示意图，具体的，本申请实施例提供的电子设备包括处理器701，处理器701用于执行存储器702中存储的计算机程序时实现任意实施例中进针位置确定方法的各步骤；或者，处理器701用于执行存储器702中存储的计算机程序时实现如图6对应实施例中各模块的功能。
示例性的，计算机程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器702中，并由处理器701执行，以完成本申请实施例。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在计算机装置中的执行过程。
电子设备可包括，但不仅限于处理器701、存储器702。本领域技术人员可以理解，示意仅仅是电子设备的示例，并不构成对电子设备的限定，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。
处理器701可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，处理器是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分。
存储器702可用于存储计算机程序和/或模块，处理器701通过运行或执行存储在存储器702内的计算机程序和/或模块，以及调用存储在存储器702内的数据，实现计算机装置的各种功能。存储器702可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据(比如音频数据、视频数据等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的进针位置确定装置、电子设备及其相应模块的具体工作过程，可以参考任意实施例中进针位置确定方法的说明，具体在此不再赘述。
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可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一可读存储介质中，并由处理器进行加载和执行。
为此，本申请实施例提供一种可读存储介质，可读存储介质上存储有计算机程序，该计算机程序被处理器执行时执行本申请任意实施例中进针位置确定方法中的步骤，具体操作可参考任意实施例中进针位置确定方法的说明，在此不再赘述。
其中，该可读存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁盘或光盘等。
由于该可读存储介质中所存储的指令，可以执行本申请任意实施例中进针位置确定方法中的步骤，因此，可以实现本申请任意实施例中进针位置确定方法所能实现的有益效果，详见前面的说明，在此不再赘述。
以上对本申请实施例所提供的一种进针位置确定方法、装置、存储介质及电子设备进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (13)

1.一种进针位置确定方法，其特征在于，包括：
获取医学图像，以及所述医学图像中的靶点；
根据所述靶点的位置变化信息，对所述靶点进行分类，得到配准靶点和修正靶点；
根据所述配准靶点的靶点图像位置，对所述医学图像中病灶的病灶图像位置进行配准，得到目标病灶位置，以及所述目标病灶位置对应的基准进针位置；
根据所述修正靶点的目标位置变化信息，对所述基准进针位置进行修正，得到修正后的目标进针位置。
2.根据权利要求1所述的进针位置确定方法，其特征在于，所述根据所述靶点的位置变化信息，对所述靶点进行分类，得到配准靶点和修正靶点，包括：
将所述位置变化信息输入预设的靶点分类模型，得到所述靶点中的配准靶点，以及所述靶点中的修正靶点，其中，所述预设的靶点分类模型为机器学习模型和统计模型中的一者。
3.根据权利要求2所述的进针位置确定方法，其特征在于，所述预设的靶点分类模型为统计模型，所述预设的靶点分类模型用于统计所述位置变化信息对应的目标位移特征值，并将所述目标位移特征值与预设的特征阈值进行对比，得到目标位移特征值大于或者等于所述特征阈值的修正靶点，以及目标位移特征值小于所述特征阈值的配准靶点。
4.根据权利要求3所述的进针位置确定方法，其特征在于，所述目标位移特征值为所述位置变化信息对应的目标极差。
5.根据权利要求3所述的进针位置确定方法，其特征在于，所述预设的靶点分类模型还用于计算所述位置变化信息与预设的皮肤运动信息之间的相似度，得到相似度大于预设相似度阈值的目标皮肤运动信息，以及所述目标皮肤运动信息对应的预设运动模式，并根据所述预设运动模式对所述位置变化信息对应的初始位移特征值进行调整，得到所述位置变化信息对应的目标位移特征值。
6.根据权利要求1所述的进针位置确定方法，其特征在于，所述根据所述修正靶点的目标位置变化信息，对所述基准进针位置进行修正，得到修正后的目标进针位置，包括：
获取所述修正靶点的目标位置变化信息与预设的基准位置变化信息之间的变化偏差信息；
根据所述变化偏差信息，对所述基准进针位置进行修正，得到修正后的目标进针位置。
7.根据权利要求1所述的进针位置确定方法，其特征在于，所述根据所述配准靶点的靶点图像位置，对所述医学图像中病灶的病灶图像位置进行配准，得到目标病灶位置，以及所述目标病灶位置对应的基准进针位置，包括：
根据所述配准靶点的靶点图像位置，所述配准靶点的靶点实际位置，以及所述医学图像中病灶的病灶图像位置，计算得到所述病灶的目标病灶位置；
根据所述病灶的预设位置和所述目标病灶位置之间的位置偏移信息，对预设进针位置进行修正，得到所述目标病灶位置对应的基准进针位置，
或者，基于预设的进针位置计算策略，根据所述目标病灶位置，计算得到所述目标病灶位置对应的基准进针位置。
8.根据权利要求1-7任意一项所述的进针位置确定方法，其特征在于，所述获取医学图像，以及所述医学图像中的靶点，包括：
获取医学图像，以及预设进针位置在所述医学图像中对应的靶点搜索区域；
对所述靶点搜索区域进行识别，得到所述医学图像中的靶点。
9.根据权利要求8所述的进针位置确定方法，其特征在于，所述对所述靶点搜索区域进行识别，得到所述医学图像中的靶点，包括：
将所述靶点搜索区域内的靶点作为候选靶点，根据所述候选靶点的靶点图像位置，对所述预设进针位置进行空间插值处理，得到各所述候选靶点对应的进针点位移特征值；
对各所述候选靶点进行组合，得到靶点组合；
对各所述靶点组合对应的进针点位移特征值进行统计，得到各所述靶点组合对应的位移特征值范围，以及位移特征值范围最小的目标靶点组合；
将所述目标靶点组合中的候选靶点设定为所述医学图像中的靶点。
10.根据权利要求9所述的进针位置确定方法，其特征在于，各所述靶点组合对应的进针点位移特征值为各所述靶点组合对应的进针点位移极差。
11.一种进针位置确定装置，其特征在于，包括：
获取单元，用于获取医学图像，以及所述医学图像中的靶点；
分类单元，用于根据所述靶点的位置变化信息，对所述靶点进行分类，得到配准靶点和修正靶点；
配准单元，用于根据所述配准靶点的靶点图像位置，对所述医学图像中病灶的病灶图像位置进行配准，得到目标病灶位置，以及所述目标病灶位置对应的基准进针位置；
修正单元，用于根据所述修正靶点的目标位置变化信息，对所述基准进针位置进行修正，得到修正后的目标进针位置。
12.一种电子设备，其特征在于，所述电子设备包括处理器、存储器以及存储于所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至10任一项所述的进针位置确定方法中的步骤。
13.一种可读存储介质，其特征在于，所述可读存储介质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权利要求1至10任一项所述的进针位置确定方法中的步骤。
CN202211151884.1A 2022-09-21 2022-09-21 进针位置确定方法、装置、电子设备及可读存储介质 Withdrawn CN115474992A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211151884.1A CN115474992A (zh) 2022-09-21 2022-09-21 进针位置确定方法、装置、电子设备及可读存储介质
CN202310226343.9A CN116485846B (zh) 2022-09-21 2023-03-09 进针位置确定方法、装置、电子设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211151884.1A CN115474992A (zh) 2022-09-21 2022-09-21 进针位置确定方法、装置、电子设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN115474992A true CN115474992A (zh) 2022-12-16

Family

ID=84423360

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202211151884.1A Withdrawn CN115474992A (zh) 2022-09-21 2022-09-21 进针位置确定方法、装置、电子设备及可读存储介质
CN202310226343.9A Active CN116485846B (zh) 2022-09-21 2023-03-09 进针位置确定方法、装置、电子设备及可读存储介质

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202310226343.9A Active CN116485846B (zh) 2022-09-21 2023-03-09 进针位置确定方法、装置、电子设备及可读存储介质

Country Status (1)

Country Link
CN (2) CN115474992A (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116936112B (zh) * 2023-09-13 2023-11-24 苏州国科康成医疗科技有限公司 回归模型训练与消融规划方法、装置、设备及介质

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106821497B (zh) * 2017-03-16 2023-10-31 上海市肺科医院 一种靶位点的精确定位及处置方法和辅助装置
DE102016209074A1 (de) * 2016-05-25 2017-11-30 Medical Templates Ag Verfahren zur Planung einer intrakorporalen Verortung einer einem Patienten perkutan einzuführenden medizinischen Nadeleinheit
CN110458813B (zh) * 2019-03-08 2021-03-02 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
WO2020220208A1 (en) * 2019-04-29 2020-11-05 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for object positioning and image-guided surgery
CN110755136A (zh) * 2019-10-10 2020-02-07 中国科学院合肥肿瘤医院 一种穿刺方法
CN111265287A (zh) * 2020-03-12 2020-06-12 上海市肺科医院（上海市职业病防治院） 一种基于体表标志辅助经皮肺穿刺的3d打印导板装置
WO2022051977A1 (zh) * 2020-09-10 2022-03-17 西安大医集团股份有限公司 图像配准方法及装置
CN111791589B (zh) * 2020-09-10 2020-12-04 季华实验室 基于喷墨打印机的定位检测方法、装置、电子设备及介质
CN112155729B (zh) * 2020-10-15 2021-11-23 中国科学院合肥物质科学研究院 手术穿刺路径智能自动化规划方法及系统和医疗系统
CN116761654A (zh) * 2020-12-28 2023-09-15 西安大医集团股份有限公司 图像引导配合方法、系统、电子设备及计算机存储介质
CN112734710A (zh) * 2020-12-30 2021-04-30 上海睿刀医疗科技有限公司 一种基于历史病理信息的病灶识别模型构建装置及系统
CN113662573B (zh) * 2021-09-10 2023-06-30 上海联影医疗科技股份有限公司 乳腺病灶定位方法、装置、计算机设备和存储介质
CN114424978B (zh) * 2021-11-22 2023-05-12 赛诺威盛科技(北京)股份有限公司 融合配准方法以及装置、电子设备、存储介质
CN114191050A (zh) * 2021-12-28 2022-03-18 东软医疗系统股份有限公司 穿刺辅助定位装置及方法、扫描设备
CN114708404A (zh) * 2022-03-09 2022-07-05 安徽省立医院(中国科学技术大学附属第一医院) 基于机器学习的端到端手术穿刺路径自动规划方法及系统
CN114831731B (zh) * 2022-05-17 2022-09-02 真健康（北京）医疗科技有限公司 适用于手术室进行肺部病灶定位的手术导航设备和系统

Also Published As

Publication number Publication date
CN116485846A (zh) 2023-07-25
CN116485846B (zh) 2024-01-23

Similar Documents

Publication Publication Date Title
CN111046717B (zh) 眼底图像黄斑中心定位方法、装置、电子设备及存储介质
EP2617012B1 (en) Method and system for analyzing images
US9164583B2 (en) Method and apparatus for gaze point mapping
US10535136B2 (en) Registration of a magnetic tracking system with an imaging device
CN116485846B (zh) 进针位置确定方法、装置、电子设备及可读存储介质
US20210374452A1 (en) Method and device for image processing, and elecrtonic equipment
Dai et al. Locating anatomical landmarks on 2D lateral cephalograms through adversarial encoder-decoder networks
JP2014171867A (ja) 医用画像処理装置、医用画像整合性判定方法、および医用画像整合性判定プログラム
CN116091432A (zh) 一种用于医疗内窥镜检查的质控方法、装置及计算机设备
RU2728900C2 (ru) Устройство, система и способ верификации информации, связанной с медицинским изображением
CN114519401A (zh) 一种图像分类方法及装置、电子设备、存储介质
CN113889214A (zh) 一种获取目标文本的数据处理系统
KR20200057563A (ko) 폐 운동의 히스토그램 분석을 위한 폐 영상 정합 방법, 그 장치, 그 프로그램 및 정합된 폐 영상의 분석 방법 및 그 프로그램
WO2023169108A1 (zh) 目标区域的定位方法、电子设备、介质
CN113284145B (zh) 图像处理方法及装置、计算机可读存储介质及电子设备
CN117576023A (zh) 拼接图像校验方法及装置、x射线摄影系统
CN113241156A (zh) 一种基于检测指导的骨科病灶计数网络的标注方法及系统
CN116012286B (zh) 手术风险区域确定方法、装置、电子设备及可读存储介质
CN113693739B (zh) 肿瘤导航修正方法、装置及便携式荧光影像导航设备
CN115153505B (zh) 一种生物反馈式脊柱关节矫正训练方法及装置
US20230053280A1 (en) Method and system for determining abnormality in medical device
CN115444553B (zh) 进针点投影方法、装置、设备和存储介质
Li et al. A novel method of micro-tomography geometric angle calibration with random phantom
CN116650107A (zh) 图像插管困难评估方法、装置、计算机设备和存储介质
Zhang et al. Image2Landmarks: Anatomy-aware and Multi-scale Graph Convolutional Network for Cephalometric Analysis

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20221216

WW01 Invention patent application withdrawn after publication