图像定位方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种图像定位方法、装置、设备及存储介质，其中，方法包括：获取医学图像；将所述医学图像输入图像定位模型，得到目标区域定位结果。本发明专利技术采用图像定位模型对医学图像中目标区域的自动定位，不仅可以帮助医生快速、精准地确定目标区域的位置，也为进一步使用计算机分析目标区域的形态提供了技术基础。

Image Location Method, Device, Equipment and Storage Media

The invention discloses an image positioning method, device, device and storage medium, in which the method includes: acquiring medical image; inputting the medical image into the image positioning model to obtain the target region positioning result. The automatic location of the target area in medical image by using the image location model can not only help doctors determine the location of the target area quickly and accurately, but also provide a technical basis for further analysis of the shape of the target area by computer.

【技术实现步骤摘要】
图像定位方法、装置、设备及存储介质
本专利技术涉及骨龄检测
，具体涉及一种基于深度学习的图像定位方法、装置、设备及存储介质。
技术介绍
“骨龄”是骨骼年龄的简称，是青少年儿童骨骼发育水平同骨发育标准比较而得出的发育年龄。骨发育过程中，首先骨化的部位称为骨化中心。骨化从此处开始,然后逐渐扩大,最后完成全部骨化。在将要形成骨的部位，间充质细胞增殖、密集成膜状，其中某处的间充质细胞先分化为骨祖细胞，进而分化为成骨细胞，成骨细胞在此成骨，于是形成最早的骨组织，该部位成为骨化中心。一般情况下，1～9岁腕部骨化中心数目约为小儿岁数+1，10岁出齐。临床上，医生在分析儿童骨龄X光片时，需要确定骨化中心出现的个数、根据已出现骨化中心的位置分析骨化中心的形态以及判断骨骺线是否闭合等，最终给出骨龄预测值。目前尚未有专门针对儿童骨龄X光片中骨化中心定位的方法。
技术实现思路
本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术第一方面提出一种图像定位方法，包括：获取医学图像；将所述医学图像输入图像定位模型，得到目标区域定位结果。本专利技术第二方面提供一种图像定位装置，包括：图像获取模块，用于获取医学图像；图像定位模块，用于将所述医学图像输入图像定位模型，得到目标区域定位结果。本专利技术第三方面提供一种设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如本专利技术第一方面提出的图像定位方法。本专利技术第四方面提供一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如本专利技术第一方面提出的图像定位方法。本专利技术实施例具有以下有益效果：本专利技术实施例采用图像定位模型对医学图像中目标区域的自动定位，不仅可以帮助医生快速、精准地确定目标区域的位置，也为进一步使用计算机分析目标区域的形态提供了技术基础。本专利技术的附加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，或通过本专利技术的实践了解到。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术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专利技术的一些实施例，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它附图。图1是本专利技术实施例提供的图像定位方法的流程图；图2是本专利技术实施例提供的骨龄X光图像；图3是本专利技术实施例提供的图像定位方法的流程图；图4是步骤S202的流程图；图5是步骤S202的原理图；图6是步骤S2021的原理图图7是步骤S2022的原理图；图8是步骤S2023的原理图；图9是步骤S202的流程图；图10是本专利技术实施例提供的腕骨感兴趣区域图像插值放大前后的对比图；图11是本专利技术实施例提供的图像分割模型的原理图；图12是本专利技术实施例提供的图像预处理流程示意图；图13是本专利技术实施例提供的图像定位装置的结构框图；图14是本专利技术实施例提供的图像定位模块的结构框图；图15是本专利技术实施例提供的图像定位模块的结构框图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。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。实施例图1是本专利技术实施例提供的图像定位方法的流程图，请参照图1，本实施例提供的图像定位方法包括如下步骤：S101：获取医学图像；具体地，医学图像可以采取的形式包括但不限于X光图像、CT图像、MR图像和超声图像。具体地，医学图像可以是骨龄图像，根据实际需要，医学图像还可以是其他被检测组织的图像，本实施例不以此为限。S102：将所述医学图像输入图像定位模型，得到目标区域定位结果。具体地，在医学图像为骨龄图像时，目标区域包括指掌骨继发骨化中心和/或腕骨区群原生骨化中心，图像定位模型能够输出骨化中心检测点的位置。图2是本专利技术实施例提供的骨龄X光图像，请参照图2，该图像是使用X光成像设备获取的患者左手腕X光影像，图像中的22个白色点分别代表需要定位的22个骨化中心位置点，可分为两大类。详细地，各骨化中心位置点的名称与编号如下：远节指骨I1、近节指骨I2、指掌骨I3、远节指骨III4、中节指骨III5、近节指骨III6、指掌骨III7、远节指骨V8、中节指骨V9、近节指骨V10、指掌骨V11、尺骨末端12、桡骨末端13；14-22以腕骨区群原生骨化中心区域中心逆时针方向依次：头状骨、钩骨、三角骨、月骨、舟骨、大多角骨、小多角骨、尺骨、桡骨。第一类是指掌骨继发骨化中心，不同年龄段的均存在该类骨化中心位置点。该类骨化中心共计13处，其位置用各骨头远端靠近关节的位置表示，在图1示出的白色点1-13中，白色点1、2、3、4、5、6、8、9、10下方分别为与其对应的骨化中心区域，白色点7、11、12、13上方分别为与其对应的骨化中心区域。第二类是腕骨区群原生骨化中心，该类骨化中心通常到一定的年龄才会出现，并且随着年龄的增长形态将发生较大变化。该类骨化中心共计9处，由图1示出的白色点14-22可知，该类骨化中心的位置用骨头的几何中心表示。基于上述对应关系，由白色点14-22的位置可以反推出对应的骨化中心区域的位置。图3是本专利技术实施例提供的图像定位方法的流程图，本说明书提供了如实施例或流程图的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的系统或服务器产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。请参照图3，该实施例中，医学图像具体为骨龄X光图像、图像定位模型具体为骨化中心定位模型，图像定位方法包括如下步骤：S201：获取骨龄X光图像；S202：将骨龄X光图像输入骨化中心定位模型进行骨化中心检测，得到骨化中心检测点位置；其中，骨化中心定位模型用于定位骨龄X光图像中的指掌骨继发骨化中心，以及根据定位出的指掌骨继发骨化中心定位骨龄X光图像中的腕骨区群原生骨化中心。在一个实施例中，骨化中心定位模型为两级级联形式的全卷积检测网络，该模型能够对不同类型的骨化中心进行分别处理。其中，第一级检测网络用于检测指掌骨继发骨化中心点，第二级检测网络用于基于第一级检测网络的输出结果检测腕骨区群原生骨化中心点，第一级检测网络的输出结果用于提取和限制第二级检测网络的搜索范围。腕骨区群原生骨化中心主要集中在手腕部，不同年龄的儿童其腕骨区群原生骨化中心出现个数不尽相同，与指掌骨继发骨化中心相比检测难度较大，采用两级级联形式的全卷积检测网络时能够对这类骨化中心进行单独检测，检测效果更好、检测性能更鲁棒且更节省检测本文档来自技高网...

【技术保护点】
1.一种图像定位方法，其特征在于，包括：获取医学图像；将所述医学图像输入图像定位模型，得到目标区域定位结果。

【技术特征摘要】
1.一种图像定位方法，其特征在于，包括：获取医学图像；将所述医学图像输入图像定位模型，得到目标区域定位结果。2.根据权利要求1所述的方法，其特征在于，所述医学图像包括骨龄图像；所述将所述医学图像输入图像定位模型，得到目标区域定位结果，包括：将所述骨龄图像输入所述图像定位模型进行指掌骨继发骨化中心检测，得到所述骨龄图像对应的指掌骨继发骨化中心检测点的位置；根据所述指掌骨继发骨化中心检测点的位置生成腕骨感兴趣区域的边界框，截取所述边界框内对应的腕骨感兴趣区域图像；基于所述腕骨感兴趣区域图像进行腕骨区群原生骨化中心检测，得到所述腕骨感兴趣区域图像对应的腕骨区群原生骨化中心检测点的位置。3.根据权利要求2所述的方法，其特征在于，所述基于所述腕骨感兴趣区域图像进行腕骨区群原生骨化中心检测之前，还包括：对所述腕骨感兴趣区域图像进行插值放大，得到插值后的腕骨感兴趣区域图像。4.根据权利要求2所述的方法，其特征在于，所述根据所述指掌骨继发骨化中心检测点的位置生成腕骨感兴趣区域的边界框，包括：获取至少一个所述指掌骨继发骨化中心检测点的位置，作为边界框定位点；基于所述边界框定位点按照预设条件构建所述腕骨感兴趣区域的边界框。5.根据权利要求1所述的方法，其特征在于，所述图像定位模型是基于样本医学图像以及相应的目标区域标签进行机器学习训练得到的。6.一种图像定位装置，其特征在于，包括：图像获取模块，用于获取医学图像；图像定位模块，用于将所述医学图像输入图像定位模型，...

【专利技术属性】
技术研发人员：张敏清，刘钦，吴迪嘉，詹翊强，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：上海,31