CN116258675A - 图像处理方法、装置、设备及存储介质 - Google Patents

图像处理方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN116258675A
CN116258675A CN202211721503.9A CN202211721503A CN116258675A CN 116258675 A CN116258675 A CN 116258675A CN 202211721503 A CN202211721503 A CN 202211721503A CN 116258675 A CN116258675 A CN 116258675A
Authority
CN
China
Prior art keywords
point
points
coordinate
determining
edge 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.)
Pending
Application number
CN202211721503.9A
Other languages
English (en)
Inventor
马丽娟
蔡巍
张霞
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.)
Shenyang Neusoft Intelligent Medical Technology Research Institute Co Ltd
Original Assignee
Shenyang Neusoft Intelligent Medical Technology Research Institute 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 Shenyang Neusoft Intelligent Medical Technology Research Institute Co Ltd filed Critical Shenyang Neusoft Intelligent Medical Technology Research Institute Co Ltd
Priority to CN202211721503.9A priority Critical patent/CN116258675A/zh
Publication of CN116258675A publication Critical patent/CN116258675A/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
    • G06T7/0002—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
    • G06T7/12—Edge-based segmentation
    • 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
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30016—Brain

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本申请公开了一种图像处理方法、装置、设备及存储介质，所述方法包括：获取头部轮廓图像，并对所述头部轮廓图像进行处理，获得头部轮廓边缘图像；在所述头部轮廓边缘图像上，确定多个目标特征点；其中，多个所述目标特征点包括鼻根特征点、翼点特征点以及枕骨隆凸特征点；基于所述鼻根特征点的第一坐标以及所述枕骨隆凸特征点的第二坐标，确定参考距离；基于所述参考距离以及所述第一坐标，确定中央沟位置；基于所述中央沟位置以及所述翼点特征点的第三坐标，确定目标空间位置；其中，所述目标空间位置包括中央前回空间位置以及中央后回空间位置。本申请的技术方案，自动化确定中央前回空间位置以及中央后回位置，结果准确度高。

Description

图像处理方法、装置、设备及存储介质
技术领域
本申请属于医学图像技术领域，尤其涉及一种图像处理方法、装置、设备及存储介质。
背景技术
中央沟系大脑沟回之一，是从冠状平面将大脑分成额叶和顶叶的脑沟。从额状回行于大脑半球的背外侧面。起自半球的上缘，下端延伸至大脑外侧裂。中央沟上方是中央前回在大脑皮质的额叶，中央沟下方是中央后回在大脑皮质的顶叶。
磁共振(Magnetic Resonance，MR)影像相对清晰，医生基于多年经验以及对脑解剖结构的知识，从影像中能够锁定中央沟的位置。
但是，电子计算机断层扫描(Computed Tomography，CT)影像分辨率低，沟回不清，人眼很难辨别中央沟及前后回的空间位置。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本申请的一个目的在于提出一种图像处理方法、装置、设备及存储介质。
为了解决上述技术问题，本申请的实施例提供如下技术方案：
一种图像处理方法，包括：
获取头部轮廓图像，并对所述头部轮廓图像进行处理，获得头部轮廓边缘图像；
在所述头部轮廓边缘图像上，确定多个目标特征点；其中，多个所述目标特征点包括鼻根特征点、翼点特征点以及枕骨隆凸特征点；
基于所述鼻根特征点的第一坐标以及所述枕骨隆凸特征点的第二坐标，确定参考距离；
基于所述参考距离以及所述第一坐标，确定中央沟位置；
基于所述中央沟位置以及所述翼点特征点的第三坐标，确定目标空间位置；其中，所述目标空间位置包括中央前回空间位置以及中央后回空间位置。
可选的，在所述获得头部轮廓边缘图像之前，还包括：
基于所述头部轮廓图像，获得初始头部轮廓边缘图像；
获取第一平滑参数以及第二平滑参数；
平滑处理器基于所述第一平滑参数以及第二平滑参数，对所述初始头部轮廓边缘图像进行平滑处理，获得所述头部轮廓边缘图像。
可选的，所述基于所述鼻根特征点的第一坐标以及所述枕骨隆凸特征点的第二坐标，确定参考距离，包括：
在所述头部轮廓边缘图像上，沿着预设方向，以所述鼻根特征点为起始点，所述枕骨隆凸特征点为终点，将所述鼻根特征点与所述枕骨隆凸特征点之间的所有边缘像素点按照顺序形成链式的第四坐标点集；
基于所述第四坐标点集，并结合所述头部轮廓边缘图像的空间分辨率信息，获得从所述鼻根特征点到枕骨隆凸特征点之间的所述参考距离。
可选的，所述基于所述第四坐标点集，并结合所述头部轮廓边缘图像的空间分辨率信息，获得从所述鼻根特征点到枕骨隆凸特征点之间的所述参考距离，包括：
基于所述第四坐标点集以及所述头部轮廓边缘图像的空间分辨率信息，累计叠加每两个相邻的第四坐标点之间的距离，获得从所述鼻根特征点到枕骨隆凸特征点之间的所述参考距离。
可选的，所述累计叠加每两个相邻的第四坐标点之间的距离，获得从所述鼻根特征点到枕骨隆凸特征点之间的所述参考距离，包括：
获取每两个相邻的所述第四坐标点的第一子坐标，基于每个所述第一子坐标点计算获得第一项；获取每两个相邻的所述第四坐标点的第二子坐标，基于每个所述第二子坐标点计算获得第二项；获取每两个相邻的所述第四坐标点的第三子坐标，基于每个所述第三子坐标点计算获得第三项；
基于每两个相邻的所述第四坐标点对应的第一项、第二项以及第三项，分别计算获得每两个相邻的所述第四坐标点对应的累计叠加项；
对每两个相邻的所述第四坐标点对应的累计叠加项进行计算，获得从所述鼻根特征点到枕骨隆凸特征点之间的所述参考距离。
可选的，所述基于所述参考距离以及所述第一坐标，确定中央沟位置，包括：
基于所述参考距离以及所述第一坐标，在所述头部轮廓边缘图像上，确定多个中央沟点；
获取每个所述中央沟点的第五坐标；
基于每个所述中央沟点的所述第五坐标，确定所述中央沟位置。
可选的，所述基于所述参考距离以及所述第一坐标，在所述头部轮廓边缘图像上，确定多个中央沟点，包括：
获取预设距离；
基于所述预设距离以及所述参考距离，确定曲线距离；
在所述头部轮廓边缘图像上，将与所述鼻根特征点之间的距离等于所述曲线距离的点确定为所述中央沟点。
可选的，所述基于所述中央沟位置以及所述翼点特征点的第三坐标，确定目标空间位置，包括：
基于所述中央沟位置，在所述头部轮廓边缘图像的第i张断层图像上，选择第一平面点，在所述头部轮廓边缘图像的第j张断层图像上，选择第二平面点；其中，所述头部轮廓边缘图像包括多张断层图像，i,j均为正整数，且i≠j；
获取所述第一平面点的第一平面坐标以及所述第二平面点的第二平面坐标；
基于所述第一平面坐标、第二平面坐标以及第三坐标，确定参考平面方程以及参考平面；
预设边界距离，并将在所述头部轮廓边缘图像上距离所述参考平面的距离小于等于所述边界距离的区域，确定为所述目标空间位置；其中，所述中央前回空间位置与所述中央后回空间位置关于所述中央沟位置对称。
本申请的实施例还提供一种图像处理装置，包括：
处理模块，用于获取头部轮廓图像，并对所述头部轮廓图像进行处理，获得头部轮廓边缘图像；
第一确定模块，用于在所述头部轮廓边缘图像上，确定多个目标特征点；其中，多个所述目标特征点包括鼻根特征点、翼点特征点以及枕骨隆凸特征点；
第二确定模块，用于基于所述鼻根特征点的第一坐标以及所述枕骨隆凸特征点的第二坐标，确定参考距离；
第三确定模块，用于基于所述参考距离以及所述第一坐标，确定中央沟位置；
第四确定模块，用于基于所述中央沟位置以及所述翼点特征点的第三坐标，确定目标空间位置；其中，所述目标空间位置包括中央前回空间位置以及中央后回空间位置。
本申请的实施例还提供一种电子设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的方法。
本申请的实施例还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上所述的方法。
本申请的实施例还提供一种电子设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的方法。
本申请的实施例还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上所述的方法。
本申请的实施例，具有如下技术效果：
本申请的上述技术方案，在CT影像序列上基于鼻根特征点、枕骨隆凸特征点、翼点特征点三个特征点的坐标，自动化识别并确定中央沟位置，并根据中央沟位置确定中央前回空间位置以及中央后回位置，结果准确度高，兼容性强，查找速度快。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
图1是本申请实施例提供的一种现有的CT影像结构示意图；
图2是本申请实施例提供的一种图像处理方法的流程示意图；
图3是本申请实施例提供的一种头部轮廓图像的结构示意图；
图4是本申请实施例提供的一种实心的头部轮廓图像的结构示意图；
图5是本申请实施例提供的一种三维圆盘形滤波器的结构示意图；
图6是本申请实施例提供的一种三维圆盘形滤波器的工作界面示意图；
图7是本申请实施例提供的一种初始头部轮廓边缘图像的结构示意图；
图8是本申请实施例提供的一种平滑处理前的初始头部轮廓边缘图像的结构示意图；
图9是本申请实施例提供的一种平滑处理后的头部轮廓边缘图像的结构示意图；
图10是本申请实施例提供的一种第四坐标点的确定示意图；
图11是本申请实施例提供的一种中央沟位置的确定示意图；
图12是本申请实施例提供的一种确定目标空间位置的示意图；
图13是本申请实施例提供的一种目标空间位置的示意图；
图14是本申请实施例提供的另一种目标空间位置的示意图；
图15是本申请实施例提供的一种图像处理装置的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
为了便于本领域的技术人员对实施例的理解，对部分用语进行解释：
(1)ITK：Insight Segmentation and Registration Toolkit，采用了先进的多模态数据分割配准算法，用于处理图像配准和分割的问题。
(2)中央前回含有大量巨大的锥体细胞，是运动中枢所在。主管对侧半身的运动，是皮质脊髓束与皮质延髓束的发源地。
中央后回位于中央沟与中央后沟之间，是大脑皮质的躯体感觉区，主管对侧半身(小腿与足除外)的感觉功能。
中央前后回是大脑中除了生命中枢(脑干)以外最重要的功能区，是影像科及临床科医生分析患者病情，功能诊断及预后评估的重要考察区域。MR影像相对清晰，医生基于多年经验以及对脑解剖结构的知识，从影像中判别Ω征以及倒T征等特征能够锁定中央沟位置。
但是，如图1所示，CT影像分辨率低，沟回不清，人眼很难辨别中央沟及前后回的空间位置，导致确定的中央前回以及中央后回的准确度较低。
为了解决上述技术问题，本申请的实施例提供如下技术方案：
如图2所示，本申请的实施例提供一种图像处理方法，包括：
步骤S21：获取头部轮廓图像，并对所述头部轮廓图像进行处理，获得头部轮廓边缘图像；
本申请一可选的实施例，为了提高图像处理的精度，在获取CT图像之后，首先对CT图像进行三维校正；例如：采用ITK三维刚性配准工具对患者脑进行三维校正。
本申请一可选的实施例，在完成对CT图像进行三维校正之后，对校正后的CT图像进行头部轮廓的提取，获得如图3所示的头部轮廓；
具体的，头部轮廓指头部皮肤及皮肤包裹的所有的头部轮廓V。
由于空气的CT值(HU)约为-1000，三维校正的算法本身会将头部附件部分区域像素归一化到HU值为0；
因此，ViSlice＝1；VimageiSlice＞0；
式中，Vimage为平扫CT图像；iSlice为第i张断层图像，如扫描层厚为1mm的CT影像，共有165张，则iSlice取值范围为：{1，2，……，165}。
本申请一可选的实施例，如图4所示，基于形态学填洞处理获取实心的头部轮廓图像。
本申请一可选的实施例，如图5所示，为了最大限度地保证头皮表面的曲度不失真，在V上采用尺度为3*3*3,半径为1的三维圆盘型滤波器B，在如图6所示的xoz平面上提取获得表皮边缘，以矢状位中间层为例，可以获得如图7所示的初始头部轮廓边缘图像VC；
其中，VC＝V-VΘB；其中，Θ为B的相关工作算法，本申请的实施例对此不做具体的限定。
本申请一可选的实施例，在所述获得头部轮廓边缘图像之前，还包括：
基于所述头部轮廓图像，获得初始头部轮廓边缘图像；
获取第一平滑参数以及第二平滑参数；
平滑处理器基于所述第一平滑参数以及第二平滑参数，对所述初始头部轮廓边缘图像进行平滑处理，获得所述头部轮廓边缘图像。
本申请一可选的实施例，由于是在鼻根特征点与枕骨隆凸特征点连线的曲面上定位中央沟位置，因此可以通过计算鼻根特征点与枕骨隆凸特征点之间的绝对距离，确定中央沟位置。
如图8所示，曲面的逼真程度直接决定了中央沟位置定位的准确程度，数据的矢状位投影处理会引入一定程度的失真，而失真会降低对中央沟位置定位的准确度，为了解决上述问题，本申请的实施例，基于平滑处理器对上述获得的初始头部轮廓边缘图像进行平滑处理。
本申请一可选的实施例，选择高斯滤波器作为平滑处理器，对初始头部轮廓边缘图像进行平滑处理；
具体的，获取第一平滑参数，例如：尺度3*3，同时，获取第二平滑参数，例如：δ＝0.5；
高斯滤波器基于上述获得的尺度3*3以及δ＝0对初始头部轮廓边缘图像进行平滑处理，将图8中的不平滑边缘部分进行平滑处理，获得如图9所示的头部轮廓边缘图像。
步骤S42：在所述头部轮廓边缘图像上，确定多个目标特征点；其中，多个所述目标特征点包括鼻根特征点、翼点特征点以及枕骨隆凸特征点；
本申请的实施例，基于相关技术，分别确定鼻根特征点、翼点特征点以及枕骨隆凸特征点；其中，对于鼻根特征点、翼点特征点以及枕骨隆凸特征点的具体的确定方法，则不在本申请的保护范围内，因此不再进行赘述。
在获得鼻根特征点、翼点特征点以及枕骨隆凸特征点之后，基于欧式距离最小的方法，将鼻根特征点、翼点特征点以及枕骨隆凸特征点分别映射至头部轮廓边缘图像的对应的像素点上。
步骤S43：基于所述鼻根特征点的第一坐标以及所述枕骨隆凸特征点的第二坐标，确定参考距离；
本申请一可选的实施例，所述基于所述鼻根特征点的第一坐标以及所述枕骨隆凸特征点的第二坐标，确定参考距离，包括：
在所述头部轮廓边缘图像上，沿着预设方向，以所述鼻根特征点为起始点，所述枕骨隆凸特征点为终点，将所述鼻根特征点与所述枕骨隆凸特征点之间的所有边缘像素点按照顺序形成链式的第四坐标点集；
基于所述第四坐标点集，并结合所述头部轮廓边缘图像的空间分辨率信息，获得从所述鼻根特征点到枕骨隆凸特征点之间的所述参考距离。
本申请一可选的实施例，如图10所示，截取鼻根特征点P1(x1,y1,z1)以及枕骨隆凸特征点PM(xM,yM,zM)(M＞2，且M为整数)之间的边缘部分，并在边缘部分，按照预设方向，本申请的实施例，预设方向以顺时针为例，依次在鼻根特征点P1(x1,y1,z1)以及枕骨隆凸特征点PM(xM,yM,zM)之间确定多个第四坐标点：P2，P3，……PM-1；
其中，各个第四坐标点对应的第四坐标分别为：
P2(x2，y2，z2)，P3(x3，y3，z3)，……PM-1(xM-1，yM-1，zM-1)。
本申请一可选的实施例，所述基于所述第四坐标点集，并结合所述头部轮廓边缘图像的空间分辨率信息，获得从所述鼻根特征点到枕骨隆凸特征点之间的所述参考距离，包括：
基于所述第四坐标点集以及所述头部轮廓边缘图像的空间分辨率信息，累计叠加每两个相邻的第四坐标点之间的距离，获得从所述鼻根特征点到枕骨隆凸特征点之间的所述参考距离。
本申请一可选的实施例，所述头部轮廓边缘图像的空间分辨率信息，包括：
获取所述头部轮廓图像在第一空间方向的第一子分辨率；获取所述头部轮廓图像在第二空间方向的第二子分辨率；获取所述头部轮廓图像在第三空间方向的第三子分辨率。
本申请一可选的实施例，第一空间方向可以对应x轴方向；第二空间方向可以对应y轴方向；第三空间方向可以对应z轴方向。
则第一子分辨率可以为xspace；第二子分辨率可以为yspace；第三子分辨率可以为zspace。
本申请一可选的实施例，所述累计叠加每两个相邻的第四坐标点之间的距离，获得从所述鼻根特征点到枕骨隆凸特征点之间的所述参考距离，包括：
获取每两个相邻的所述第四坐标点的第一子坐标，基于每个所述第一子坐标点计算获得第一项；获取每两个相邻的所述第四坐标点的第二子坐标，基于每个所述第二子坐标点计算获得第二项；获取每两个相邻的所述第四坐标点的第三子坐标，基于每个所述第三子坐标点计算获得第三项；
基于每两个相邻的所述第四坐标点对应的第一项、第二项以及第三项，分别计算获得每两个相邻的所述第四坐标点对应的累计叠加项；
对每两个相邻的所述第四坐标点对应的累计叠加项进行计算，获得从所述鼻根特征点到枕骨隆凸特征点之间的所述参考距离。
本申请一可选的实施例，第一项、第二项以及第三项，可以分别基于如下公式获得：
第一项＝((xt+1-xt)*xspace)2。
第二项＝((yt+1-yt)*yspace)2。
第三项＝((zt+1-zt)*xspace)2。
本申请一可选的实施例，累计叠加项可以基于如下公式获得：
Figure BDA0004029837490000081
本申请一可选的实施例，参考距离d可以基于如下公式获得：
Figure BDA0004029837490000082
步骤S44：基于所述参考距离以及所述第一坐标，确定中央沟位置；
本申请一可选的实施例，所述基于所述参考距离以及所述第一坐标，确定中央沟位置，包括：
基于所述参考距离以及所述第一坐标，在所述头部轮廓边缘图像上，确定多个中央沟点；
获取每个所述中央沟点的第五坐标；
基于每个所述中央沟点的所述第五坐标，确定所述中央沟位置。
本申请一可选的实施例，所述基于所述参考距离以及所述第一坐标，在所述头部轮廓边缘图像上，确定多个中央沟点，包括：
获取预设距离；
基于所述预设距离以及所述参考距离，确定曲线距离；
在所述头部轮廓边缘图像上，将与所述鼻根特征点之间的距离等于所述曲线距离的点确定为所述中央沟点。
本申请一可选的实施例，在确定了参考距离之后，基于参考距离以及预设距离确定曲线距离。
其中，曲线距离＝d/2+预设距离；
例如：预设距离为2cm。
本申请一可选的实施例，如图11所示，以第一坐标为起始点，在鼻根特征点以及枕骨隆凸特征点之间的曲面上，寻找距离鼻根特征点的距离等于曲线距离的所有的点，进而获得多个中央沟点Tk；
如图12所示，获取每个中央沟点Tk的第五坐标，基于每个第五坐标确定中央沟位置。
需要说明的是，基于上述方法，在每个断层图像上均可以确定多个第五坐标以及中央沟位置。
步骤S45：基于所述中央沟位置以及所述翼点特征点的第三坐标，确定目标空间位置；其中，所述目标空间位置包括中央前回空间位置以及中央后回空间位置。
本申请一可选的实施例，如图12所示，所述基于所述中央沟位置以及所述翼点特征点的第三坐标，确定目标空间位置，包括：
基于所述中央沟位置，在所述头部轮廓边缘图像的第i张断层图像上，选择第一平面点，在所述头部轮廓边缘图像的第j张断层图像上，选择第二平面点；其中，所述头部轮廓边缘图像包括多张断层图像，i,j均为正整数，且i≠j；
获取所述第一平面点的第一平面坐标以及所述第二平面点的第二平面坐标；
基于所述第一平面坐标、第二平面坐标以及第三坐标，确定参考平面方程以及参考平面；
预设边界距离，并将在所述头部轮廓边缘图像上距离所述参考平面的距离小于等于所述边界距离的区域，确定为所述目标空间位置；其中，所述中央前回空间位置与所述中央后回空间位置关于所述中央沟位置对称。
本申请一可选的实施例，在第i个断层图像上的中央沟位置，选择一个中央沟点Tk；在第j个断层图像上的中央沟位置，选择另一个中央沟点Hk；
分别获取中央沟点Tk对应的第一平面坐标、中央沟点Hk对应的第二平面坐标以及翼点特征点对应的第三坐标；
基于第一平面坐标、第二平面坐标以及第三坐标，确定一个参考平面方程：Ax+By+Cz＝0；其中，A，B，C为参考平面方程对应的系数，因为选择的第一平面坐标以及第二平面坐标不同，会导致参考平面方程对应的系数也不相同，因此，本申请的实施例不对参考平面方程的系数进行具体的限定；
进一步地，基于参考平面方程可以确定一个参考平面。
本申请一可选的实施例，j＝i+5；
另外，关于j和i之间的大小关系还可以根据实际需要进行调整。
本申请一可选的实施例，假设头部轮廓边缘图像上的某个点的坐标为Q(xQ,yQ,zQ)；
则该点到上述参考平面的距离，可以基于如下公式，计算获得：
Figure BDA0004029837490000101
其中，当D≤边界距离时，则Q为一个目标点；
反之，当D＞边界距离时，则Q不是目标点；
依次类推，可以在头部轮廓边缘图像上寻找到所有的目标点，并根据所有的目标点确定目标空间位置。
例如：边界距离可以为2cm。
本申请一可选的实施例，如图13和14所示，由于中央前回空间位置与中央后回位置关于中央沟位置对称，因此，在目标空间位置中，中央沟位置一侧的第一区域为中央前回空间位置，中央沟位置另一侧的第二区域为中央后回空间位置。
本申请的实施例，在CT影像序列上基于鼻根特征点、枕骨隆凸特征点、翼点特征点三个特征点的坐标，自动化识别并确定中央沟位置，并根据中央沟位置确定中央前回空间位置以及中央后回位置，结果准确度高，兼容性强，查找速度快。
本申请一可选的实施例，在硬件配置如下(处理器Inter(R)Core(TM)i5-8500CPU@3.00GHZ,内存：8.0GB,系统类型：64位，基于x64处理器)的环境中运行，运行了200套数据，平均每套数据165个断层图像，平均运行时间：7s，正确率:95％，实现了自动化批量处理。
如图15所示，本申请的实施例还提供一种图像处理装置150，包括：
处理模块151，用于获取头部轮廓图像，并对所述头部轮廓图像进行处理，获得头部轮廓边缘图像；
第一确定模块152，用于在所述头部轮廓边缘图像上，确定多个目标特征点；其中，多个所述目标特征点包括鼻根特征点、翼点特征点以及枕骨隆凸特征点；
第二确定模块153，用于基于所述鼻根特征点的第一坐标以及所述枕骨隆凸特征点的第二坐标，确定参考距离；
第三确定模块154，用于基于所述参考距离以及所述第一坐标，确定中央沟位置；
第四确定模块155，用于基于所述中央沟位置以及所述翼点特征点的第三坐标，确定目标空间位置；其中，所述目标空间位置包括中央前回空间位置以及中央后回空间位置。
可选的，在所述获得头部轮廓边缘图像之前，还包括：
基于所述头部轮廓图像，获得初始头部轮廓边缘图像；
获取第一平滑参数以及第二平滑参数；
平滑处理器基于所述第一平滑参数以及第二平滑参数，对所述初始头部轮廓边缘图像进行平滑处理，获得所述头部轮廓边缘图像。
可选的，所述基于所述鼻根特征点的第一坐标以及所述枕骨隆凸特征点的第二坐标，确定参考距离，包括：
在所述头部轮廓边缘图像上，沿着预设方向，以所述鼻根特征点为起始点，所述枕骨隆凸特征点为终点，将所述鼻根特征点与所述枕骨隆凸特征点之间的所有边缘像素点按照顺序形成链式的第四坐标点集；
基于所述第四坐标点集，并结合所述头部轮廓边缘图像的空间分辨率信息，获得从所述鼻根特征点到枕骨隆凸特征点之间的所述参考距离。
可选的，所述基于所述第四坐标点集，并结合所述头部轮廓边缘图像的空间分辨率信息，获得从所述鼻根特征点到枕骨隆凸特征点之间的所述参考距离，包括：
基于所述第四坐标点集以及所述头部轮廓边缘图像的空间分辨率信息，累计叠加每两个相邻的第四坐标点之间的距离，获得从所述鼻根特征点到枕骨隆凸特征点之间的所述参考距离。
可选的，所述累计叠加每两个相邻的第四坐标点之间的距离，获得从所述鼻根特征点到枕骨隆凸特征点之间的所述参考距离，包括：
获取每两个相邻的所述第四坐标点的第一子坐标，基于每个所述第一子坐标点计算获得第一项；获取每两个相邻的所述第四坐标点的第二子坐标，基于每个所述第二子坐标点计算获得第二项；获取每两个相邻的所述第四坐标点的第三子坐标，基于每个所述第三子坐标点计算获得第三项；
基于每两个相邻的所述第四坐标点对应的第一项、第二项以及第三项，分别计算获得每两个相邻的所述第四坐标点对应的累计叠加项；
对每两个相邻的所述第四坐标点对应的累计叠加项进行计算，获得从所述鼻根特征点到枕骨隆凸特征点之间的所述参考距离。
可选的，所述基于所述参考距离以及所述第一坐标，确定中央沟位置，包括：
基于所述参考距离以及所述第一坐标，在所述头部轮廓边缘图像上，确定多个中央沟点；
获取每个所述中央沟点的第五坐标；
基于每个所述中央沟点的所述第五坐标，确定所述中央沟位置。
可选的，所述基于所述参考距离以及所述第一坐标，在所述头部轮廓边缘图像上，确定多个中央沟点，包括：
获取预设距离；
基于所述预设距离以及所述参考距离，确定曲线距离；
在所述头部轮廓边缘图像上，将与所述鼻根特征点之间的距离等于所述曲线距离的点确定为所述中央沟点。
可选的，所述基于所述中央沟位置以及所述翼点特征点的第三坐标，确定目标空间位置，包括：
基于所述中央沟位置，在所述头部轮廓边缘图像的第i张断层图像上，选择第一平面点，在所述头部轮廓边缘图像的第j张断层图像上，选择第二平面点；其中，所述头部轮廓边缘图像包括多张断层图像，i,j均为正整数，且i≠j；
获取所述第一平面点的第一平面坐标以及所述第二平面点的第二平面坐标；
基于所述第一平面坐标、第二平面坐标以及第三坐标，确定参考平面方程以及参考平面；
预设边界距离，并将在所述头部轮廓边缘图像上距离所述参考平面的距离小于等于所述边界距离的区域，确定为所述目标空间位置；其中，所述中央前回空间位置与所述中央后回空间位置关于所述中央沟位置对称。
本申请的实施例还提供一种电子设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的方法。
本申请的实施例还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上所述的方法。
另外，本申请实施例的装置的其他构成及作用对本领域的技术人员来说是已知的，为减少冗余，此处不做赘述。
需要说明的是，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
在本申请的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
此外，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至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本申请中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。
在本申请中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (11)

1.一种图像处理方法，其特征在于，包括：
获取头部轮廓图像，并对所述头部轮廓图像进行处理，获得头部轮廓边缘图像；
在所述头部轮廓边缘图像上，确定多个目标特征点；其中，多个所述目标特征点包括鼻根特征点、翼点特征点以及枕骨隆凸特征点；
基于所述鼻根特征点的第一坐标以及所述枕骨隆凸特征点的第二坐标，确定参考距离；
基于所述参考距离以及所述第一坐标，确定中央沟位置；
基于所述中央沟位置以及所述翼点特征点的第三坐标，确定目标空间位置；其中，所述目标空间位置包括中央前回空间位置以及中央后回空间位置。
2.根据权利要求1所述的方法，其特征在于，在所述获得头部轮廓边缘图像之前，还包括：
基于所述头部轮廓图像，获得初始头部轮廓边缘图像；
获取第一平滑参数以及第二平滑参数；
平滑处理器基于所述第一平滑参数以及第二平滑参数，对所述初始头部轮廓边缘图像进行平滑处理，获得所述头部轮廓边缘图像。
3.根据权利要求1所述的方法，其特征在于，所述基于所述鼻根特征点的第一坐标以及所述枕骨隆凸特征点的第二坐标，确定参考距离，包括：
在所述头部轮廓边缘图像上，沿着预设方向，以所述鼻根特征点为起始点，所述枕骨隆凸特征点为终点，将所述鼻根特征点与所述枕骨隆凸特征点之间的所有边缘像素点按照顺序形成链式的第四坐标点集；
基于所述第四坐标点集，并结合所述头部轮廓边缘图像的空间分辨率信息，获得从所述鼻根特征点到枕骨隆凸特征点之间的所述参考距离。
4.根据权利要求3所述的方法，其特征在于，所述基于所述第四坐标点集，并结合所述头部轮廓边缘图像的空间分辨率信息，获得从所述鼻根特征点到枕骨隆凸特征点之间的所述参考距离，包括：
基于所述第四坐标点集以及所述头部轮廓边缘图像的空间分辨率信息，累计叠加每两个相邻的第四坐标点之间的距离，获得从所述鼻根特征点到枕骨隆凸特征点之间的所述参考距离。
5.根据权利要求4所述的方法，其特征在于，所述累计叠加每两个相邻的第四坐标点之间的距离，获得从所述鼻根特征点到枕骨隆凸特征点之间的所述参考距离，包括：
获取每两个相邻的所述第四坐标点的第一子坐标，基于每个所述第一子坐标点计算获得第一项；获取每两个相邻的所述第四坐标点的第二子坐标，基于每个所述第二子坐标点计算获得第二项；获取每两个相邻的所述第四坐标点的第三子坐标，基于每个所述第三子坐标点计算获得第三项；
基于每两个相邻的所述第四坐标点对应的第一项、第二项以及第三项，分别计算获得每两个相邻的所述第四坐标点对应的累计叠加项；
对每两个相邻的所述第四坐标点对应的累计叠加项进行计算，获得从所述鼻根特征点到枕骨隆凸特征点之间的所述参考距离。
6.根据权利要求1所述的方法，其特征在于，所述基于所述参考距离以及所述第一坐标，确定中央沟位置，包括：
基于所述参考距离以及所述第一坐标，在所述头部轮廓边缘图像上，确定多个中央沟点；
获取每个所述中央沟点的第五坐标；
基于每个所述中央沟点的所述第五坐标，确定所述中央沟位置。
7.根据权利要求6所述的方法，其特征在于，所述基于所述参考距离以及所述第一坐标，在所述头部轮廓边缘图像上，确定多个中央沟点，包括：
获取预设距离；
基于所述预设距离以及所述参考距离，确定曲线距离；
在所述头部轮廓边缘图像上，将与所述鼻根特征点之间的距离等于所述曲线距离的点确定为所述中央沟点。
8.根据权利要求1所述的方法，其特征在于，所述基于所述中央沟位置以及所述翼点特征点的第三坐标，确定目标空间位置，包括：
基于所述中央沟位置，在所述头部轮廓边缘图像的第i张断层图像上，选择第一平面点，在所述头部轮廓边缘图像的第j张断层图像上，选择第二平面点；其中，所述头部轮廓边缘图像包括多张断层图像，i,j均为正整数，且i≠j；
获取所述第一平面点的第一平面坐标以及所述第二平面点的第二平面坐标；
基于所述第一平面坐标、第二平面坐标以及第三坐标，确定参考平面方程以及参考平面；
预设边界距离，并将在所述头部轮廓边缘图像上距离所述参考平面的距离小于等于所述边界距离的区域，确定为所述目标空间位置；其中，所述中央前回空间位置与所述中央后回空间位置关于所述中央沟位置对称。
9.一种图像处理装置，其特征在于，包括：
处理模块，用于获取头部轮廓图像，并对所述头部轮廓图像进行处理，获得头部轮廓边缘图像；
第一确定模块，用于在所述头部轮廓边缘图像上，确定多个目标特征点；其中，多个所述目标特征点包括鼻根特征点、翼点特征点以及枕骨隆凸特征点；
第二确定模块，用于基于所述鼻根特征点的第一坐标以及所述枕骨隆凸特征点的第二坐标，确定参考距离；
第三确定模块，用于基于所述参考距离以及所述第一坐标，确定中央沟位置；
第四确定模块，用于基于所述中央沟位置以及所述翼点特征点的第三坐标，确定目标空间位置；其中，所述目标空间位置包括中央前回空间位置以及中央后回空间位置。
10.一种电子设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至8中任意一项所述的方法。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至8中任意一项所述的方法。
CN202211721503.9A 2022-12-30 2022-12-30 图像处理方法、装置、设备及存储介质 Pending CN116258675A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211721503.9A CN116258675A (zh) 2022-12-30 2022-12-30 图像处理方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211721503.9A CN116258675A (zh) 2022-12-30 2022-12-30 图像处理方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN116258675A true CN116258675A (zh) 2023-06-13

Family

ID=86683483

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211721503.9A Pending CN116258675A (zh) 2022-12-30 2022-12-30 图像处理方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116258675A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117838306A (zh) * 2024-02-01 2024-04-09 南京诺源医疗器械有限公司 基于成像仪的目标图像处理方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117838306A (zh) * 2024-02-01 2024-04-09 南京诺源医疗器械有限公司 基于成像仪的目标图像处理方法及系统

Similar Documents

Publication Publication Date Title
CN110599494B (zh) 肋骨图像重建系统及方法、终端及可读存储介质
CN107203997B (zh) 一种左右半脑的分割方法
JP2011514190A (ja) 画像内の解剖学的構造のセグメンテーションおよびモデリングのための方法およびシステム
CN106997594B (zh) 一种眼部组织的定位方法及装置
KR102383857B1 (ko) 콥 각도 측정 방법 및 시스템, 콥 각도 측정 프로그램
CN111462055B (zh) 颅骨检测方法及装置
CN109325955B (zh) 一种基于oct图像的视网膜分层方法
US20210272291A1 (en) Method and computer program for segmentation of optical coherence tomography images of the retina
CN112184720B (zh) 一种ct图像的内直肌和视神经分割方法及系统
CN106910193B (zh) 一种扫描图像处理方法
Liu et al. Automatic segmentation of the human brain ventricles from MR images by knowledge-based region growing and trimming
CN116258675A (zh) 图像处理方法、装置、设备及存储介质
CN112767333A (zh) 一种基于cta影像的双下肢血管区域判断方法及系统
Rizzo et al. Matching a computerized brain atlas to multimodal medical images
CN112767332B (zh) 一种基于cta影像的血管区域判断方法及系统
CN114419071A (zh) 一种基于mr横轴位图像分割的心脏三维定位方法
CN113706687A (zh) 路径规划鼻部环境建模方法及装置
US20240112331A1 (en) Medical Image Data Processing Technique
CN116109571B (zh) 一种面听神经自动化纤维束重建方法及系统
CN115272588B (zh) 一种基于深度图像的人体脊柱拟合方法、系统及电子设备
CN108389613B (zh) 一种基于图像几何对称属性的侧旋姿态校正方法
CN116452661A (zh) 基于ncct影像数据的翼点体表投影定位方法、装置、储存介质及设备
CN116363213A (zh) 鼻根检测方法、装置、存储介质及电子设备
CN117633935A (zh) 一种基于3d头皮模型的电极帽设计制造方法
CN117934386A (zh) 颅内血肿穿刺定位方法、装置、电子设备及存储介质

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