CN112581460B - 扫描规划方法、装置、计算机设备和存储介质 - Google Patents
扫描规划方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN112581460B CN112581460B CN202011555605.9A CN202011555605A CN112581460B CN 112581460 B CN112581460 B CN 112581460B CN 202011555605 A CN202011555605 A CN 202011555605A CN 112581460 B CN112581460 B CN 112581460B
- Authority
- CN
- China
- Prior art keywords
- shoulder joint
- positioning image
- joint positioning
- scan
- center
- 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.)
- Active
Links
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
- G06T7/11—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
-
- 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
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G06T2207/30008—Bone
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
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)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本申请涉及一种扫描规划方法、装置、计算机设备和存储介质。方法包括:获取检测者的肩关节定位图像;将肩关节定位图像输入预设的分割模型,通过分割模型对肩关节定位图像进行分割,得到肩关节定位图像对应的解剖分割区域;基于肩关节定位图像对应的解剖分割区域,确定出肩关节定位图像对应的扫描中心和扫描方向。采用本方法降低了规划的肩关节扫描的扫描方向和扫描中心的差异性,提高了确定的检测者的肩关节定位图像对应的扫描中心和扫描方向的准确度。
Description
技术领域
本申请涉及磁共振扫描技术领域,特别是涉及一种扫描规划方法、装置、计算机设备和存储介质。
背景技术
肩关节是全身最灵活的关节,活动度大,因而也是最容易遭受损伤的关节,因此,肩关节的影像学图像在肩关节疾病的诊断中起着重要的作用;随着场强的提高和扫描技术的不断优化,磁共振成像(Magnetic Resonance Imaging,MRI)可对肩关节进行安全、准确、快速、多对比度的成像,MRI图像在肩关节疾病的诊断中发挥着越来越重要的作用。因此,就需要对检测者的肩关节进行MRI扫描,以获得MRI图像。
传统技术中,对检测者的肩关节进行MRI扫描时,通常是采用手动规划的方式确定出扫描方向和扫描中心,根据确定出的扫描方向和扫描中心,对检测者的肩关节进行扫描。
然而,传统的肩关节扫描规划方法,存在规划出的扫描方向和扫描中心差异性较大的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够降低规划的肩关节扫描的扫描方向和扫描中心差异性的扫描规划方法、装置、计算机设备和存储介质。
一种扫描规划方法,所述方法包括:
获取检测者的肩关节定位图像;
将所述肩关节定位图像输入预设的分割模型,通过所述分割模型对所述肩关节定位图像进行分割,得到所述肩关节定位图像对应的解剖分割区域;
基于所述肩关节定位图像对应的解剖分割区域,确定出所述肩关节定位图像对应的扫描中心和扫描方向。
在其中一个实施例中,所述肩关节定位图像对应的解剖分割区域包括肩胛骨、关节面和肱骨。
在其中一个实施例中,所述扫描中心和所述扫描方向包括轴位扫描中心和轴位扫描方向、斜冠状位扫描中心和斜冠状位扫描方向、斜矢状位扫描中心和斜矢状位扫描方向。
在其中一个实施例中,若所述扫描中心和所述扫描方向为轴位扫描中心和轴位扫描方向;所述轴位扫描方向包括第一轴位扫描方向、第二轴位扫描方向和第三轴位扫描方向;所述基于所述肩关节定位图像对应的解剖分割区域,确定出所述肩关节定位图像对应的扫描中心和扫描方向,包括:
采用预设的拟合方法对所述关节面进行拟合,得到所述关节面的最小主方向;
采用所述预设的拟合方法对所述肱骨进行拟合,得到所述肱骨的最小主方向;
采用所述预设的拟合方法对所述肩胛骨进行拟合,得到所述肩胛骨的最大主方向;
根据所述关节面的最小主方向和所述肱骨的最小主方向,得到所述第一轴位扫描方向;
根据所述第一轴位扫描方向和所述肩胛骨的最大主方向,得到所述第二轴位扫描方向和所述第三轴位扫描方向;
根据所述关节面中心点和调整系数,得到所述轴位扫描中心。
在其中一个实施例中,若所述扫描中心和所述扫描方向为斜冠状位扫描中心和斜冠状位扫描方向;所述斜冠状位扫描方向包括第一斜冠状位扫描方向、第二斜冠状位扫描方向和第三斜冠状位扫描方向;所述基于所述肩关节定位图像对应的解剖分割区域,确定出所述肩关节定位图像对应的扫描中心和扫描方向,包括:
采用所述预设的拟合方法对所述肱骨进行拟合,得到所述肱骨的最大主方向;
根据所述肩胛骨的最大主方向和所述肱骨的最大主方向,得到所述第一斜冠状位扫描方向;
根据所述第一斜冠状位扫描方向和所述肱骨的最大主方向,得到所述第二斜冠状位扫描方向和所述第三斜冠状位扫描方向;
将所述关节面的质心,确定为所述斜冠状位扫描中心。
在其中一个实施例中,若所述扫描中心和所述扫描方向为斜矢状位扫描中心和斜矢状位扫描方向;所述斜矢状位扫描方向包括第一斜矢状位扫描方向、第二斜矢状位扫描方向和第三斜矢状位扫描方向;所述基于所述肩关节定位图像对应的解剖分割区域,确定出所述肩关节定位图像对应的扫描中心和扫描方向,包括:
采用所述预设的拟合方法对所述肩胛骨进行拟合,得到所述肩胛骨的最小主方向;
根据所述肩胛骨的最小主方向和所述肱骨的最大主方向,得到所述第一斜矢状位扫描方向;
根据所述第一斜矢状位扫描方向和所述肱骨的最大主方向,得到所述第二斜矢状位扫描方向和所述第三斜矢状位扫描方向;
将所述肱骨的中心点,确定为所述斜矢状位扫描中心。
在其中一个实施例中,所述预设的拟合方法包括主成分分析法或奇异值分解法。
在其中一个实施例中,所述方法还包括:对所述肩关节定位图像对应的扫描中心和扫描方向进行显示。
一种扫描规划装置,所述装置包括:
获取模块,用于获取检测者的肩关节定位图像;
分割模块,用于将所述肩关节定位图像输入预设的分割模型,通过所述分割模型对所述肩关节定位图像进行分割,得到所述肩关节定位图像对应的解剖分割区域;
规划模块,用于基于所述肩关节定位图像对应的解剖分割区域,确定出所述肩关节定位图像对应的扫描中心和扫描方向。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取检测者的肩关节定位图像;
将所述肩关节定位图像输入预设的分割模型,通过所述分割模型对所述肩关节定位图像进行分割,得到所述肩关节定位图像对应的解剖分割区域;
基于所述肩关节定位图像对应的解剖分割区域,确定出所述肩关节定位图像对应的扫描中心和扫描方向。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取检测者的肩关节定位图像;
将所述肩关节定位图像输入预设的分割模型,通过所述分割模型对所述肩关节定位图像进行分割,得到所述肩关节定位图像对应的解剖分割区域;
基于所述肩关节定位图像对应的解剖分割区域,确定出所述肩关节定位图像对应的扫描中心和扫描方向。
上述扫描规划方法、装置、计算机设备和存储介质,将检测者的肩关节定位图像输入预设的分割模型,能够通过该分割模型对检测者的肩关节定位图像进行统一准确地分割,得到差异性较小、准确度较高的检测者的肩关节定位图像对应的解剖分割区域,进而可以基于检测者的肩关节定位图像对应的解剖分割区域,确定出检测者的肩关节定位图像对应的扫描中心和扫描方向,由于通过分割模型降低了得到检测者的肩关节定位图像对应的解剖分割区域的差异性,提高了得到检测者的肩关节定位图像对应的解剖分割区域的准确度,从而可以基于检测者的肩关节定位图像对应的解剖分割区域,准确统一地确定出检测者的肩关节定位图像对应的扫描中心和扫描方向,降低了规划的肩关节扫描的扫描方向和扫描中心的差异性,提高了确定的检测者的肩关节定位图像对应的扫描中心和扫描方向的准确度。
附图说明
图1为一个实施例中扫描规划方法的应用环境图;
图2为一个实施例中扫描规划方法的流程示意图;
图2a为一个实施例中Bottleneck structure示意图;
图2b为一个实施例中V-Net网络的结构示意图
图3为一个实施例中扫描规划方法的流程示意图;
图3a为一个实施例中主方向示意图;
图4为一个实施例中扫描规划方法的流程示意图;
图5为一个实施例中扫描规划方法的流程示意图;
图5a为一个实施例中重建的斜矢状位的扫描平面示例图;
图6为一个实施例中斜矢状位的扫描示意图;
图7为一个实施例中扫描图像的示意图;
图8为一个实施例中扫描规划方法的流程示意图;
图9为一个实施例中扫描规划装置的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的扫描规划方法,可以适用于如图1所示的计算机设备。该计算机设备包括通过***总线连接的处理器、存储器,该存储器中存储有计算机程序,处理器执行该计算机程序时可以执行下述方法实施例的步骤。可选的,该计算机设备还可以包括网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器,该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。可选的,该计算机设备可以是服务器,可以是个人计算机,还可以是个人数字助理,还可以是其他的终端设备,例如平板电脑、手机等等,还可以是云端或者远程服务器,本申请实施例对计算机设备的具体形式并不做限定。
在一个实施例中,如图2所示,提供了一种扫描规划方法,以该方法应用于图1中的计算机设备为例进行说明,包括以下步骤:
S201,获取检测者的肩关节定位图像。
其中,检测者的肩关节定位图像为磁共振(Magnetic Resonance Imaging,MRI)图像,该肩关节定位图像为低分辨率的3D定位图像,只要能显示要扫描的肩关节区域即可,无需是高分辨率的诊断图像。具体地,计算机设备获取检测者的肩关节定位图像。可选的,计算机设备可以从PACS(Picture Archiving and Communication Systems,影像归档和通信***)服务器中获取检测者的肩关节定位图像,也可以从MR影像设备中实时地获取检测者的肩关节定位图像。
S202,将肩关节定位图像输入预设的分割模型,通过分割模型对肩关节定位图像进行分割,得到肩关节定位图像对应的解剖分割区域。
具体地,计算机设备将上述检测者的肩关节定位图像输入预设的分割模型,通过该分割模型对该检测者的肩关节定位图像进行分割,得到该检测者的肩关节定位图像对应的解剖分割区域。可选的,检测者的肩关节定位图像对应的解剖分割区域包括肩胛骨、关节面和肱骨,需要说明的是此处的肩胛骨也可以为冈上肌。可选的,该预设的分割模型可以为V-Net网络,在该V-Net网络中可以使用Bottleneck structure替代V-Net网络中原始的卷积结构,其中,Bottleneck structure的结构图如图2a所示,V-Net网络的结构示意图如图2b所示。本实施例中的分割模型可以通过样本肩关节定位图像和该样本肩关节定位图像对应的解剖分割区域,对预设的初始分割模型进行训练所得到的,需要说明的是,在对初始分割模型进行训练的过程中,可以对样本肩关节定位图像进行一系列的增量操作,其中,增量操作可以包括:1)数据旋转:由于在扫描过程中,检测者会存在摆位不正的情况而导致采集的肩关节定位图像是倾斜的,因此,可以对样本肩关节定位图像在3D空间上随机地进行一定角度的旋转以增加样本肩关节定位图像的数据量;2)数据平移:由于一些样本肩关节定位图像在视野里拍摄范围不一样,故可以将左肩的样本肩关节定位图像向左平移,将右肩的样本肩关节定位图像向右平移,来增量出这种类型的数据;3)数据翻转:由于左肩的肩关节定位图像和右肩的肩关节定位图像基本是对称的,因此,可以对样本肩关节定位图像进行左右翻转以增加样本肩关节定位图像的数据量;4)数据裁剪:对样本肩关节定位图像随机或者通过设置中心点的方式裁剪出一定大小的数据,可以理解的是,这样裁剪出的样本肩关节定位图像为局部图像,增加了样本肩关节定位图像的数量,另外,由于样本肩关节定位图像为局部图像能够使分割模型训练的更加准确,提高了得到的分割模型的准确度。需要说明的是,若检测者的肩关节定位图像为检测者的双肩图像,则计算机设备将计算该肩关节定位图像中的肱骨连通域,选取肱骨最大的一侧作为要进行规划的肩部扫描侧。
S203,基于肩关节定位图像对应的解剖分割区域,确定出肩关节定位图像对应的扫描中心和扫描方向。
具体地,计算机设备基于上述得到的肩关节定位图像对应的解剖分割区域,确定出上述肩关节定位图像对应的扫描中心和扫描方向。可选的,上述肩关节定位图像对应的扫描中心和扫描方向包括轴位扫描中心和轴位扫描方向、斜冠状位扫描中心和斜冠状位扫描方向、斜矢状位扫描中心和斜矢状位扫描方向。可选的,计算机设备可以将上述肩关节定位图像对应的解剖分割区域的质点确定为上述肩关节定位图像对应的扫描中心,将上述肩关节定位图像对应的解剖分割区域的主方向确定为上述肩关节定位图像对应的扫描方向。
上述扫描规划方法中,计算机设备将检测者的肩关节定位图像输入预设的分割模型,能够通过该分割模型对检测者的肩关节定位图像进行统一准确地分割,得到差异性较小、准确度较高的检测者的肩关节定位图像对应的解剖分割区域,进而可以基于检测者的肩关节定位图像对应的解剖分割区域,确定出检测者的肩关节定位图像对应的扫描中心和扫描方向,由于通过分割模型降低了得到检测者的肩关节定位图像对应的解剖分割区域的差异性,提高了得到检测者的肩关节定位图像对应的解剖分割区域的准确度,从而可以基于检测者的肩关节定位图像对应的解剖分割区域,准确统一地确定出检测者的肩关节定位图像对应的扫描中心和扫描方向,降低了规划的肩关节扫描的扫描方向和扫描中心的差异性,提高了确定的检测者的肩关节定位图像对应的扫描中心和扫描方向的准确度。
在上述基于肩关节定位图像对应的解剖分割区域,确定出肩关节定位图像对应的扫描中心和扫描方向的场景中,可选的,计算机设备可以根据预设的拟合方法对肩关节定位图像对应的解剖分割区域进行拟合,得到肩关节定位图像对应的解剖分割区域的主方向,根据肩关节定位图像对应的解剖分割区域的主方向,确定出肩关节定位图像对应的扫描方向,根据肩关节定位图像对应的解剖分割区域的中心点,确定出肩关节定位图像对应的扫描中心。
本实施例中,计算机设备根据预设的拟合方法能够对检测者的肩关节定位图像对应的解剖分割区域进行准确地拟合,从而可以准确地得到肩关节定位图像对应的解剖分割区域的主方向,从而可以根据肩关节定位图像对应的解剖分割区域的主方向,准确地确定出检测者的肩关节定位图像对应的扫描方向,并根据肩关节定位图像对应的解剖分割区域的中心点,准确地确定出肩关节定位图像对应的扫描中心,提高了确定的检测者的肩关节定位图像对应的扫描中心和扫描方向的准确度。
在上述基于检测者的肩关节定位图像对应的解剖分割区域,确定肩关节定位图像对应的扫描中心和扫描方向的场景中,若扫描中心和扫描方向为轴位扫描中心和轴位扫描方向;轴位扫描方向包括第一轴位扫描方向、第二轴位扫描方向和第三轴位扫描方向,在一个实施例中,如图3所示,上述S203,包括:
S301,采用预设的拟合方法对关节面进行拟合,得到关节面的最小主方向。
具体地,计算机设备采用预设的拟合方法对上述肩关节定位图像对应的解剖分割区域的关节面进行拟合,得到关节面的最小主方向。可选的,预设的拟合方法包括主成分分析法或奇异值分解法。可以理解的是,主成分分析法利用正交变换将线性相关变量转变为线性不相关的变量,即主成分,该方法通过计算协方差的特征向量,可得到主成分方向,示例性地,如图3a所示,以肱骨为例,肱骨的最大主方向表示肱骨长轴方向,肱骨的最小主方向表示垂直于肱骨长轴的一个方向。
S302,采用预设的拟合方法对肱骨进行拟合,得到肱骨的最小主方向。
具体地,计算机设备采用上述预设的拟合方法对上述肩关节定位图像对应的解剖分割区域的肱骨进行拟合,得到肱骨的最小主方向。本实施例中,预设的拟合方法也包括主成分分析法或奇异值分解法,关于采用主成分分析法得到股骨的最小主方向的实现原理请参照上述实施例中的详细描述,本实施例在此不再赘述。
S303,采用预设的拟合方法对肩胛骨进行拟合,得到肩胛骨的最大主方向。
具体地,计算机设备采用上述预设的拟合方法对上述肩关节定位图像对应的解剖分割区域的肩胛骨进行拟合,得到肩胛骨的最大主方向。本实施例中,预设的拟合方法也包括主成分分析法或奇异值分解法,关于采用主成分分析法得到肩胛骨的最大主方向的实现原理请参照上述实施例中的详细描述,本实施例在此不再赘述。
S304,根据关节面的最小主方向和肱骨的最小主方向,得到第一轴位扫描方向。
具体地,计算机设备根据上述肩关节定位图像对应的解剖分割区域的关节面的最小主方向和肱骨的最小主方向,得到第一轴位扫描方向。可选的,计算机设备可以将关节面的最小主方向与肱骨的最小主方向叉乘,得到第一轴位扫描方向,示例性地,如拟合得到的关节面的最小主方向为拟合得到的肱骨的最小主方向为/>则第一轴位扫描方向为/>
S305,根据第一轴位扫描方向和肩胛骨的最大主方向,得到第二轴位扫描方向和第三轴位扫描方向。
具体地,计算机设备根据上述第一轴位扫描方向和肩胛骨的最大主方向,得到第二轴位扫描方向和第三轴位扫描方向。可选的,计算机设备可以根据第一轴位扫描方向重建出一个扫描平面,然后基于该扫描平面和肩胛骨的最大主方向计算得到第二轴位扫描方向和第三轴位扫描方向,其中,重建扫描平面的具体过程如下:计算旋转到第一方向/>的旋转矩阵M,如下公式所示,
x,y,z表示的是旋转到/>的旋转轴的方向,θ是/>与/>的向量夹角,通过M将横向(0,0,1)和纵向(0,1,0)进行映射得到/>和/>其中:
基于和/>以及一个给定的点(需要说明的是,本实施例中该给定的点可以为肩胛骨的中心点centerscapula=(Csx,Csy,Csz),式中,centerscapula表示肩胛骨的中心点,Csx表示肩胛骨中心点的x轴坐标,Csy表示肩胛骨中心点的y轴坐标,Csz表示肩胛骨中心点的z轴坐标),即可重建出轴位的扫描平面,重建轴位的扫描平面的过程如下述公式表示:
式中,和/>分别表示的是重建扫描平面X轴方向的索引和Y轴方向的索引,即重建出的扫描平面的X轴方向的像素点坐标或位置和Y轴方向的像素点坐标或位置,Center是重建平面的中心即上述给定的点,3DScout是输入的3D定位图像,即上述检测者的肩关节定位图像,RecValue是重建出的扫描平面在/>和/>索引下的重建出的图像值,可以理解的是,扫描平面内横向由肩胛骨决定,拟合肩胛骨最大主方向,基于肩胛骨最大主方向沿着水平方向旋转一定角度(一般是35度或者30度)即得到第二轴位扫描方向/>相应地根据第一轴位扫描方向/>和该第二轴位扫描方向/>得到第三轴位扫描方向
S306,根据关节面中心点和调整系数,得到轴位扫描中心。
具体地,计算机设备根据上述肩关节定位图像对应的解剖分割区域的关节面中心点和调整系数,得到轴位扫描中心,也就是说,轴位扫描中心为分割关节面中心点沿着关节面方向移动一定距离所得到的,其中,该移动公式如下:center=centerjoint+a*direcjoint,式中,center为轴位扫描中心,centerjoint=(Cjx,Cjy,Cjz)为关节面中心点,Cjx表示关节面中心点的x轴坐标,Cjy表示关节面中心点的y轴坐标,Cjz表示关节面中心点的z轴坐标,a为系数,可以设置为15mm,direcjoint是关节面的最大主方向。
本实施例中,计算机设备采用预设的拟合方法对肩关节定位图像对应的解剖分割区域的关节面进行拟合,能够准确地得到关节面的最小主方向,采用该预设的拟合方法对肱骨进行拟合,能够准确地得到肱骨的最小主方向,采用该预设的拟合方法对肩胛骨进行拟合,能够准确地得到肩胛骨的最大主方向,从而可以根据关节面的最小主方向和肱骨的最小主方向,准确地得到第一轴位扫描方向,进而可以根据第一轴位扫描方向和肩胛骨的最大主方向,准确地得到第二轴位扫描方向和第三轴位扫描方向,提高了得到的第一轴位扫描方向、第二轴位扫描方向和第三轴位扫描方向的准确度;另外,计算机设备是根据关节面的中心点和调整系数得到的轴位扫描中心,即轴位扫描中心是关节面中心点沿着关节面方向移动一定距离得到的,由于关节面中心点是固定的,这样可以根据关节面的中心点和调整系数准确地得到轴位扫描中心,提高了得到轴位扫描中心的准确度。
在上述基于检测者的肩关节定位图像对应的解剖分割区域,确定肩关节定位图像对应的扫描中心和扫描方向的场景中,若扫描中心和扫描方向为斜冠状位扫描中心和斜冠状位扫描方向;斜冠状位扫描方向包括第一斜冠状位扫描方向、第二斜冠状位扫描方向和第三斜冠状位扫描方向,在一个实施例中,如图4所示,上述S203,包括:
S401,采用预设的拟合方法对肱骨进行拟合,得到肱骨的最大主方向。
具体地,计算机设备采用上述预设的拟合方法对肱骨进行拟合,得到肱骨的最大主方向本实施例中,预设的拟合方法也包括主成分分析法或奇异值分解法,关于采用主成分分析法得到肱骨的最大主方向的实现原理请参照上述实施例中的详细描述,本实施例在此不再赘述。
S402,根据肩胛骨的最大主方向和肱骨的最大主方向,得到第一斜冠状位扫描方向。
具体地,计算机设备根据上述肩胛骨的最大主方向和肱骨的最大主方向,得到第一斜冠状位扫描方向。可以理解的是,斜冠状位的扫描平面法向量由肩胛骨和肱骨共同决定,首先对肩胛骨拟合一个最大主方向对肱骨拟合一个最大主方向/>然后计算两者叉乘/>得到第一斜冠状位扫描方向。
S403,根据第一斜冠状位扫描方向和肱骨的最大主方向,得到第二斜冠状位扫描方向和第三斜冠状位扫描方向。
具体地,计算机设备根据上述得到的第一斜冠状位扫描方向和肱骨的最大主方向,得到第二斜冠状位扫描方向和第三斜冠状位扫描方向。可选的,本实施例中,计算机设备可以选取肱骨中心点centerhumerus=(Chx,Chy,Chz)重建出斜冠状位的扫描平面,式中,centerhumerus为肱骨中心点,Chx表示肱骨中心点的x轴坐标,Chy表示肱骨中心点的y轴坐标,Chz表示肱骨中心点的z轴坐标,由于斜冠状位的扫描平面内纵向由肱骨决定,因此,可以对肱骨拟合一个最大主方向作为第二斜冠状位扫描方向根据第一斜冠状位扫描方向和第二斜冠状位扫描方向,得到第三斜冠状位扫描方向/>需要说明的是,本实施例中,得到第二斜冠状位扫描方向和第三斜冠状位扫描方向的实现原理可参见上述得到第二轴位扫描方向和第三轴位扫描方向的计算过程,本实施例在此不再赘述。
S404,将关节面的质心,确定为斜冠状位扫描中心。
具体地,计算机设备将上述肩关节定位图像对应的解剖分割区域的关节面的质心,确定为上述肩关节定位图像的斜冠状位扫描中心。
本实施例中,计算机设备采用预设的拟合方法对肱骨进行拟合,能够准确地得到肱骨的最大主方向,从而可以根据肩胛骨的最大主方向和肱骨的最大主方向,准确地得到第一斜冠状位扫描方向,从而可以根据第一斜冠状位扫描方向和肱骨的最大主方向,准确地得到第二斜冠状位扫描方向和第三斜冠状位扫描方向,提高了得到的第一斜冠状位扫描方向、第二斜冠状位扫描方向和第三斜冠状位扫描方向的准确度;另外,计算机设备是将关节面的质心确定为斜冠状位的扫描中心的,由于关节面的质心是固定的,这样可以根据关节面的质心准确地得到斜冠状位扫描中心,提高了得到斜冠状位扫描中心的准确度。
在上述基于检测者的肩关节定位图像对应的解剖分割区域,确定肩关节定位图像对应的扫描中心和扫描方向的场景中,若扫描中心和扫描方向为斜矢状位扫描中心和斜矢状位扫描方向;斜矢状位扫描方向包括第一斜矢状位扫描方向、第二斜矢状位扫描方向和第三斜矢状位扫描方向,在一个实施例中,如图5所示,上述S203,包括:
S501,采用预设的拟合方法对肩胛骨进行拟合,得到肩胛骨的最小主方向。
具体地,计算机设备采用上述预设的拟合方法对肩胛骨进行拟合,得到肩胛骨的最小主方向本实施例中,预设的拟合方法也包括主成分分析法或奇异值分解法,关于采用主成分分析法得到肩胛骨的最小主方向的实现原理请参照上述实施例中的详细描述,本实施例在此不再赘述。
S502,根据肩胛骨的最小主方向和肱骨的最大主方向,得到第一斜矢状位扫描方向。
具体地,计算机设备根据上述得到的肩胛骨的最小主方向和肱骨的最大主方向/>得到第一斜矢状位扫描方向/>可选的,计算机设备可以将肩胛骨的最小主方向和肱骨的最大主方向/>叉乘得到第一斜矢状位扫描方向/>
S503,根据第一斜矢状位扫描方向和肱骨的最大主方向,得到第二斜矢状位扫描方向和第三斜矢状位扫描方向。
具体地,计算机设备根据上述得到的第一斜矢状位扫描方向和肱骨的最大主方向,得到第二斜矢状位扫描方向和第三斜矢状位扫描方向。可选的,本实施例中,计算机设备可以选取肱骨中心点centerhumerus=(chx,chy,chz)重建出斜矢状位的扫描平面,由于斜矢状位的扫描平面内纵向由肱骨决定,因此,可以对肱骨拟合一个最大主方向作为第二斜矢状位扫描方向根据第一斜矢状位扫描方向和第二斜矢状位扫描方向,得到第三斜矢状位扫描方向/>需要说明的是,本实施例中,得到第二斜矢状位扫描方向和第三斜矢状位扫描方向的实现原理可参见上述得到第二轴位扫描方向和第三轴位扫描方向的计算过程,本实施例在此不再赘述。示例性地,如图5a所示,图5a为重建的斜矢状位的扫描平面示例图,默认横向是/>纵向是/>灰色掩模部分是肱骨,拟合肱骨长轴方向作为新的纵向/>然后平面内垂直方向为新的横向/>
S504,将肱骨的中心点,确定为斜矢状位扫描中心。
具体地,计算机设备将上述肩关节定位图像对应的解剖分割区域的肱骨的中心点,确定为上述肩关节定位图像的斜矢状位扫描中心。可选的,肱骨的中心可以采用3D距离场方式得到,距离场值最大的点即为肱骨的中心点。
本实施例中,计算机设备采用预设的拟合方法对肩胛骨进行拟合,能够准确地得到肩胛骨的最小主方向,从而可以根据肩胛骨的最小主方向和肱骨的最大主方向,准确地得到第一斜矢状位扫描方向,进而可以根据第一斜矢状位扫描方向和肱骨的最大主方向,准确地得到第二斜矢状位扫描方向和第三斜矢状位扫描方向,提高了得到第二斜矢状位扫描方向和第三斜矢状位扫描方向的准确度;另外,计算机设备是将肱骨的中心点确定为斜矢状位的扫描中心的,由于肱骨的中心点是固定的,这样可以根据肱骨的中心点准确地得到斜矢状位扫描中心,提高了得到斜矢状位扫描中心的准确度。
在一个实施例中,上述方法还包括:对所述肩关节定位图像对应的扫描中心和扫描方向进行显示。
具体地,计算机设备还将对上述肩关节定位图像对应的扫描中心和扫描方向进行显示。示例性地,计算机设备可以将最佳的重建扫描平面进行显示,并且显示扫描线的方向,如图6所示,图6是一个斜矢状位的扫描示意图,在斜冠状面和轴位显示出扫描平面的方向,如图中黑线所示,下图右图是重建的斜矢状面扫描平面,其线框显示了平面的扫描方向是沿着肱骨的方向。斜矢状面重建时会沿着扫描方向挑选一张肱骨最全的面进行显示,斜冠状面重建时会沿着扫描方向挑选一张肱骨最全的面进行显示,轴位重建时会在肱骨中心位置进行重建。如图7所示,图7为采用本申请的扫描规划方法,得到的检测者的肩关节扫描图像。
本实施例中,计算机设备还将对得到的肩关节定位图像对应的扫描中心和扫描方向进行显示,使用户能够实时准确地看到规划的肩关节定位图像对应的扫描中心和扫描方向,便于用户及时地对规划地扫描中心和扫描方向进行查看。
在一些场景中,还需要对规划的扫描中心和扫描方向的准确度进行评估,在一个实施例中,如图8所示,上述方法还包括:
S801,对肩关节定位图像对应的解剖分割区域的准确度进行评估,得到第一评分参数。
具体地,计算机设备对上述得到的肩关节定位图像对应的解剖分割区域的准确度进行评估,得到第一评分参数Q1。可选的,计算机设备可以通过学习网络给出上述得到的肩关节定位图像对应的解剖分割区域的分割准确度的评分,可选的,计算机设备可以在上述预设的分割模型中添加一个分支,输出对肩关节定位图像对应的解剖分割区域的评分。可选的,计算机设备也可以在得到肩关节定位图像对应的解剖分割区域后,分别计算肩胛骨、关节面和肱骨这三个解剖结构的大小以及位置对肩关节定位图像对应的解剖分割区域进行评给出第一评分参数Q1。
S802,根据肩关节定位图像对应的解剖分割区域,采用不同的规划方法对肩关节定位图像对应的扫描方向进行规划,根据各规划结果得到第二评分参数。
具体地,计算机设备根据上述得到的肩关节定位图像对应的解剖分割区域,采用不同的规划方法对肩关节定位图像对应的扫描方向进行规划,根据得到的各规划结果得到第二评分参数Q2。可以理解的是,有些检测者由于摆位不常规,基于分割结果可以得到不同的规划方案,通过计算两套方案的差异,或者计算解剖结构间的关系,将差异或者关系映射到[0,1]范围内可以得到第二评分参数Q2,示例性地,以规划轴位扫描方向为例,计算轴位的关节面最小主方向可以是在3D关节面上进行计算,也可以是在某一个冠状面片层上的关节面上进行计算。示例性地,以规划冠状位扫描方向为例,计算解剖结构间关系可以计算肱骨法向和肩关节法向间的夹角。可以理解的是,当只对轴位的扫描方向进行评估时,该第二评分参数Q2为轴位的评分参数;当只对斜冠状位的扫描方向进行评估时,该第二评分参数Q2为斜冠状位的评分参数;当只对斜矢状位的扫描方向进行评估时,该第二评分参数Q2为斜矢状位的评分参数。
S803,根据第一评分参数和第二评分参数,得到质量因子参数;质量因子参数用于表征肩关节定位图像对应的扫描方向的准确度。
具体地,计算机设备根据第一评分参数和第二评分参数,得到用于表征肩关节定位图像对应的扫描方向的准确度的质量因子参数QF。可选的,计算机设备可以根据第一评分参数、第二评分参数和下述公式计算质量因子参数QF:QF=a*Q1+(1-a)*Q2。可选的,QF的取值可以为[0,1],可以理解的是,QF的取值越高,表示规划的肩关节定位图像对应的扫描方向的准确度越高,当低于一个阈值,比如0.5时,表示规划的肩关节定位图像对应的扫描方向的准确度较低,计算机设备会给出警告,指示需要人工对规划结果进行检查。
本实施例中,计算机设备通过对肩关节定位图像对应的解剖分割区域的准确度进行评估,能够得到第一评分参数,根据肩关节定位图像对应的解剖分割区域,采用不同的规划方法对肩关节定位图像对应的和扫描方向进行规划,能够得到各不同规划方法对应的规划结果,从而可以根据各规划结果得到第二评分参数,进而可以根据第一评分参数和第二评分参数,准确地得到表征肩关节定位图像对应的扫描方向的准确度的质量因子,这样能够准确地对规划的扫描方向进行评估,确定规划的扫描方向的准确度。
为了便于本领域技术人员的理解,以下对本申请提供的扫描规划方法进行详细介绍,该方法可以包括:
S1,获取检测者的肩关节定位图像。
S2,将肩关节定位图像输入预设的分割模型,通过分割模型对肩关节定位图像进行分割,得到肩关节定位图像对应的解剖分割区域;肩关节定位图像对应的解剖分割区域包括肩胛骨、关节面和肱骨。
S3,采用预设的拟合方法对关节面进行拟合,得到关节面的最小主方向。
S4,采用预设的拟合方法对肱骨进行拟合,得到肱骨的最小主方向。
S5,采用预设的拟合方法对肩胛骨进行拟合,得到肩胛骨的最大主方向。
S6,根据关节面的最小主方向和肱骨的最小主方向,得到第一轴位扫描方向。
S7,根据第一轴位扫描方向和肩胛骨的最大主方向,得到第二轴位扫描方向和第三轴位扫描方向。
S8,根据关节面中心点和调整系数,得到轴位扫描中心。
S9,采用预设的拟合方法对肱骨进行拟合,得到肱骨的最大主方向。
S10,根据肩胛骨的最大主方向和肱骨的最大主方向,得到第一斜冠状位扫描方向。
S11,根据第一斜冠状位扫描方向和肱骨的最大主方向,得到第二斜冠状位扫描方向和第三斜冠状位扫描方向。
S12,将关节面的质心,确定为斜冠状位扫描中心。
S13,采用预设的拟合方法对肩胛骨进行拟合,得到肩胛骨的最小主方向。
S14,根据肩胛骨的最小主方向和肱骨的最大主方向,得到第一斜矢状位扫描方向。
S15,根据第一斜矢状位扫描方向和肱骨的最大主方向,得到第二斜矢状位扫描方向和第三斜矢状位扫描方向。
S16,将肱骨的中心点,确定为斜矢状位扫描中心。
S17,对肩关节定位图像对应的扫描中心和扫描方向进行显示。
S18,对肩关节定位图像对应的解剖分割区域的准确度进行评估,得到第一评分参数。
S19,根据肩关节定位图像对应的解剖分割区域,采用不同的规划方法对肩关节定位图像对应的扫描方向进行规划,根据各规划结果得到第二评分参数。
S20,根据第一评分参数和第二评分参数,得到质量因子参数;质量因子参数用于表征肩关节定位图像对应的扫描方向的准确度。
需要说明的是,针对上述S1-S20中的描述可以参见上述实施例中相关的描述,且其效果类似,本实施例在此不再赘述。
应该理解的是,虽然图2-8的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-8中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图9所示,提供了一种扫描规划装置,包括:获取模块、分割模块和规划模块,其中:
获取模块,用于获取检测者的肩关节定位图像。
分割模块,用于将肩关节定位图像输入预设的分割模型,通过分割模型对肩关节定位图像进行分割,得到肩关节定位图像对应的解剖分割区域。
规划模块,用于基于肩关节定位图像对应的解剖分割区域,确定出肩关节定位图像对应的扫描中心和扫描方向。
可选的,肩关节定位图像对应的解剖分割区域包括肩胛骨、关节面和肱骨。
可选的,扫描中心和扫描方向包括轴位扫描中心和轴位扫描方向、斜冠状位扫描中心和斜冠状位扫描方向、斜矢状位扫描中心和斜矢状位扫描方向。
本实施例提供的扫描规划装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,若扫描中心和扫描方向为轴位扫描中心和轴位扫描方向,轴位扫描方向包括第一轴位扫描方向、第二轴位扫描方向和第三轴位扫描方向,可选的,上述规划模块,包括:第一拟合单元、第二拟合单元、第三拟合单元、第一获取单元、第二获取单元和第三获取单元,其中:
第一拟合单元,用于采用预设的拟合方法对关节面进行拟合,得到关节面的最小主方向。
第二拟合单元,用于采用预设的拟合方法对肱骨进行拟合,得到肱骨的最小主方向。
第三拟合单元,用于采用预设的拟合方法对肩胛骨进行拟合,得到肩胛骨的最大主方向。
第一获取单元,用于根据关节面的最小主方向和肱骨的最小主方向,得到轴位扫描方向的第一方向。
第二获取单元,用于根据轴位扫描方向的第一方向和肩胛骨的最大主方向,得到轴位扫描方向的第二方向和第三方向。
第三获取单元,用于根据关节面中心点和调整系数,得到轴位扫描中心。
本实施例提供的扫描规划装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,若扫描中心和扫描方向为斜冠状位扫描中心和斜冠状位扫描方向,斜冠状位扫描方向包括第一斜冠状位扫描方向、第二斜冠状位扫描方向和第三斜冠状位扫描方向,可选的,上述规划模块,包括:第四拟合单元、第四获取单元、第五获取单元和第一确定单元,其中:
第四拟合单元,用于采用预设的拟合方法对肱骨进行拟合,得到肱骨的最大主方向。
第四获取单元,用于根据肩胛骨的最大主方向和肱骨的最大主方向,得到斜冠状位扫描方向的第一方向。
第五获取单元,用于根据斜冠状位扫描方向的第一方向和肱骨的最大主方向,得到斜冠状位扫描方向的第二方向和第三方向。
第一确定单元,用于将关节面的质心,确定为斜冠状位扫描中心。
本实施例提供的扫描规划装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,若扫描中心和扫描方向为斜矢状位扫描中心和斜矢状位扫描方向,斜矢状位扫描方向包括第一斜矢状位扫描方向、第二斜矢状位扫描方向和第三斜矢状位扫描方向,可选的,上述规划模块,包括:第五拟合单元、第六获取单元、第七获取单元和第二确定单元,其中:
第五拟合单元,用于采用预设的拟合方法对肩胛骨进行拟合,得到肩胛骨的最小主方向。
第六获取单元,用于根据肩胛骨的最小主方向和肱骨的最大主方向,得到斜矢状位扫描方向的第一方向。
第七获取单元,用于根据斜矢状位扫描方向的第一方向和肱骨的最大主方向,得到斜矢状位扫描方向的第二方向和第三方向。
第二确定单元,用于将肱骨的中心点,确定为斜矢状位扫描中心。
可选的,上述预设的拟合方法包括主成分分析法或奇异值分解法。
本实施例提供的扫描规划装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
关于扫描规划装置的具体限定可以参见上文中对于扫描规划方法的限定,在此不再赘述。上述扫描规划装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取检测者的肩关节定位图像;
将肩关节定位图像输入预设的分割模型,通过分割模型对肩关节定位图像进行分割,得到肩关节定位图像对应的解剖分割区域;
基于肩关节定位图像对应的解剖分割区域,确定出肩关节定位图像对应的扫描中心和扫描方向。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取检测者的肩关节定位图像;
将肩关节定位图像输入预设的分割模型,通过分割模型对肩关节定位图像进行分割,得到肩关节定位图像对应的解剖分割区域;
基于肩关节定位图像对应的解剖分割区域,确定出肩关节定位图像对应的扫描中心和扫描方向。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。
以上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。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种扫描规划方法,其特征在于,所述方法包括:
获取检测者的肩关节定位图像;
将所述肩关节定位图像输入预设的分割模型,通过所述分割模型对所述肩关节定位图像进行分割,得到所述肩关节定位图像对应的解剖分割区域;所述分割模型为V-Net网络,在所述V-Net网络中使用Bottleneck structure替代V-Net网络中原始的卷积结构;所述肩关节定位图像对应的解剖分割区域包括肩胛骨、关节面和肱骨;所述肩关节定位图像对应的解剖分割区域包括肩胛骨、关节面和肱骨;
基于所述肩关节定位图像对应的解剖分割区域,确定出所述肩关节定位图像对应的扫描中心和扫描方向;其中,所述扫描中心包括轴位扫描中心、斜冠状位扫描中心和斜矢状位扫描中心;所述基于所述肩关节定位图像对应的解剖分割区域,确定出所述肩关节定位图像对应的扫描中心,包括:根据所述关节面中心点和调整系数,得到所述轴位扫描中心;将所述关节面的质心,确定为所述斜冠状位扫描中心;将所述肱骨的中心点,确定为所述斜矢状位扫描中心;所述基于所述肩关节定位图像对应的解剖分割区域,确定出所述肩关节定位图像对应的扫描方向,包括:根据预设的拟合方法对所述肩关节定位图像对应的解剖分割区域进行拟合,得到所述肩关节定位图像对应的解剖分割区域的主方向,根据所述肩关节定位图像对应的解剖分割区域的主方向,确定所述肩关节定位图像对应的扫描方向;所述预设的拟合方法包括主成分分析法或奇异值分解法。
2.根据权利要求1所述的方法,其特征在于,所述肩关节定位图像为磁共振图像。
3.根据权利要求2所述的方法,其特征在于,所述扫描方向包括轴位扫描方向、斜冠状位扫描方向、斜矢状位扫描方向。
4.根据权利要求3所述的方法,其特征在于,若所述扫描中心和所述扫描方向为轴位扫描中心和轴位扫描方向;所述轴位扫描方向包括第一轴位扫描方向、第二轴位扫描方向和第三轴位扫描方向。
5.根据权利要求3所述的方法,其特征在于,若所述扫描中心和所述扫描方向为斜冠状位扫描中心和斜冠状位扫描方向;所述斜冠状位扫描方向包括第一斜冠状位扫描方向、第二斜冠状位扫描方向和第三斜冠状位扫描方向。
6.根据权利要求3所述的方法,其特征在于,若所述扫描中心和所述扫描方向为斜矢状位扫描中心和斜矢状位扫描方向;所述斜矢状位扫描方向包括第一斜矢状位扫描方向、第二斜矢状位扫描方向和第三斜矢状位扫描方向。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述方法还包括:
对所述肩关节定位图像对应的扫描中心和扫描方向进行显示。
8.一种扫描规划装置,其特征在于,所述装置包括:
获取模块,用于获取检测者的肩关节定位图像;
分割模块,用于将所述肩关节定位图像输入预设的分割模型,通过所述分割模型对所述肩关节定位图像进行分割,得到所述肩关节定位图像对应的解剖分割区域;所述分割模型为V-Net网络,在所述V-Net网络中使用Bottleneck structure替代V-Net网络中原始的卷积结构;所述肩关节定位图像对应的解剖分割区域包括肩胛骨、关节面和肱骨;所述肩关节定位图像对应的解剖分割区域包括肩胛骨、关节面和肱骨;
规划模块,用于基于所述肩关节定位图像对应的解剖分割区域,确定出所述肩关节定位图像对应的扫描中心和扫描方向;其中,所述扫描中心包括轴位扫描中心、斜冠状位扫描中心和斜矢状位扫描中心;所述基于所述肩关节定位图像对应的解剖分割区域,确定出所述肩关节定位图像对应的扫描中心,包括:根据所述关节面中心点和调整系数,得到所述轴位扫描中心;将所述关节面的质心,确定为所述斜冠状位扫描中心;将所述肱骨的中心点,确定为所述斜矢状位扫描中心;所述基于所述肩关节定位图像对应的解剖分割区域,确定出所述肩关节定位图像对应的扫描方向,包括:根据预设的拟合方法对所述肩关节定位图像对应的解剖分割区域进行拟合,得到所述肩关节定位图像对应的解剖分割区域的主方向,根据所述肩关节定位图像对应的解剖分割区域的主方向,确定所述肩关节定位图像对应的扫描方向;所述预设的拟合方法包括主成分分析法或奇异值分解法。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,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实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011555605.9A CN112581460B (zh) | 2020-12-24 | 2020-12-24 | 扫描规划方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011555605.9A CN112581460B (zh) | 2020-12-24 | 2020-12-24 | 扫描规划方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112581460A CN112581460A (zh) | 2021-03-30 |
CN112581460B true CN112581460B (zh) | 2023-08-18 |
Family
ID=75139715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011555605.9A Active CN112581460B (zh) | 2020-12-24 | 2020-12-24 | 扫描规划方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112581460B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116616743A (zh) * | 2021-05-28 | 2023-08-22 | 上海联影医疗科技股份有限公司 | 脊柱扫描参数获取方法、装置、设备和存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102626318A (zh) * | 2012-04-13 | 2012-08-08 | 中国科学院深圳先进技术研究院 | X射线成像方法 |
CN102626317A (zh) * | 2012-04-13 | 2012-08-08 | 中国科学院深圳先进技术研究院 | X射线成像设备 |
CN105559809A (zh) * | 2014-11-09 | 2016-05-11 | 刁心玺 | 一种扫描方法及装置 |
CN107527339A (zh) * | 2017-08-21 | 2017-12-29 | 上海联影医疗科技有限公司 | 一种磁共振扫描方法、装置及*** |
CN109186493A (zh) * | 2018-04-17 | 2019-01-11 | 苏州佳世达光电有限公司 | 三维扫描*** |
CN110275123A (zh) * | 2019-06-25 | 2019-09-24 | 刘定西 | 一种神经组织的三维核磁共振成像方法 |
CN110368144A (zh) * | 2019-08-05 | 2019-10-25 | 北京爱康宜诚医疗器材有限公司 | 肩关节假体 |
CN110570483A (zh) * | 2019-08-08 | 2019-12-13 | 上海联影智能医疗科技有限公司 | 扫描方法、装置、计算机设备和存储介质 |
CN111652919A (zh) * | 2020-07-01 | 2020-09-11 | 杭州脉流科技有限公司 | 基于左心室三维模型配准定位长短轴的方法、装置、计算机设备和存储介质 |
CN111904379A (zh) * | 2020-07-13 | 2020-11-10 | 上海联影医疗科技有限公司 | 多模态医学设备的扫描方法和装置 |
-
2020
- 2020-12-24 CN CN202011555605.9A patent/CN112581460B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102626318A (zh) * | 2012-04-13 | 2012-08-08 | 中国科学院深圳先进技术研究院 | X射线成像方法 |
CN102626317A (zh) * | 2012-04-13 | 2012-08-08 | 中国科学院深圳先进技术研究院 | X射线成像设备 |
CN105559809A (zh) * | 2014-11-09 | 2016-05-11 | 刁心玺 | 一种扫描方法及装置 |
CN107527339A (zh) * | 2017-08-21 | 2017-12-29 | 上海联影医疗科技有限公司 | 一种磁共振扫描方法、装置及*** |
CN109186493A (zh) * | 2018-04-17 | 2019-01-11 | 苏州佳世达光电有限公司 | 三维扫描*** |
CN110275123A (zh) * | 2019-06-25 | 2019-09-24 | 刘定西 | 一种神经组织的三维核磁共振成像方法 |
CN110368144A (zh) * | 2019-08-05 | 2019-10-25 | 北京爱康宜诚医疗器材有限公司 | 肩关节假体 |
CN110570483A (zh) * | 2019-08-08 | 2019-12-13 | 上海联影智能医疗科技有限公司 | 扫描方法、装置、计算机设备和存储介质 |
CN111652919A (zh) * | 2020-07-01 | 2020-09-11 | 杭州脉流科技有限公司 | 基于左心室三维模型配准定位长短轴的方法、装置、计算机设备和存储介质 |
CN111904379A (zh) * | 2020-07-13 | 2020-11-10 | 上海联影医疗科技有限公司 | 多模态医学设备的扫描方法和装置 |
Non-Patent Citations (1)
Title |
---|
李畅.《由近景影像反演建筑立面三维模型研究》.2016,第191-193页. * |
Also Published As
Publication number | Publication date |
---|---|
CN112581460A (zh) | 2021-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11657509B2 (en) | Method for precisely and automatically positioning reference line for integrated images | |
US8194936B2 (en) | Optimal registration of multiple deformed images using a physical model of the imaging distortion | |
US8842906B2 (en) | Body measurement | |
US8861891B2 (en) | Hierarchical atlas-based segmentation | |
CN106204431B (zh) | 智能眼镜的显示方法及装置 | |
CN111488872B (zh) | 图像检测方法、装置、计算机设备和存储介质 | |
CN110916707B (zh) | 二维骨骼图像获取方法、***及装置 | |
CN112686877A (zh) | 基于双目相机的三维房屋损伤模型构建测量方法及*** | |
CN109327712A (zh) | 固定场景的视频消抖方法 | |
US10832420B2 (en) | Dynamic local registration system and method | |
CN112581460B (zh) | 扫描规划方法、装置、计算机设备和存储介质 | |
US20170061641A1 (en) | Method, apparatus, and recording medium for evaluating reference points, and method, apparatus, and recording medium for positional alignment | |
CN113610752A (zh) | 乳腺图像配准方法、计算机设备和存储介质 | |
CN108701360A (zh) | 图像处理***和方法 | |
CN115546270A (zh) | 多尺度特征融合的图像配准方法、模型训练方法及设备 | |
US9147250B2 (en) | System and method for automatic magnetic resonance volume composition and normalization | |
WO2016098323A1 (ja) | 情報処理装置、情報処理方法、及び、記録媒体 | |
CN111161330B (zh) | 非刚性图像配准方法、装置、***、电子设备、存储介质 | |
US20230099906A1 (en) | Image registration method, computer device, and storage medium | |
Xiong et al. | Linearly estimating all parameters of affine motion using radon transform | |
CN115797416A (zh) | 基于点云图像的图像重建方法、装置、设备及存储介质 | |
CN117252914A (zh) | 深度估计网络的训练方法、装置、电子设备及存储介质 | |
CN106296707A (zh) | 医学图像处理方法及装置 | |
Wu et al. | Motion artifact reduction in abdominal MRIs using generative adversarial networks with perceptual similarity loss | |
CN113298869B (zh) | 距离测定方法、装置、计算机设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |