感兴趣区域的定位方法、计算机设备和存储介质与流程

1.本技术涉及图像处理技术领域，特别是涉及一种感兴趣区域的定位方法、计算机设备和存储介质。


背景技术：

2.随着神经网络技术的不断发展，对于图像处理领域的很多问题，目前大多都选择采用神经网络进行解决，以期望提高图像处理的效率和准确性。在采用神经网络进行图像处理时，如何对图像中的感兴趣区域进行定位是一个比较常见的问题。
3.相关技术中，以对肋骨上的病灶进行定位为例，一般是先通过神经网络分割出图像中的肋骨和病灶区域，并通过分割结果定位出病灶区域在肋骨上的具体位置。
4.然而，上述技术存在无法保证对病灶区域进行定位的准确性的问题。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种能够保证对病灶区域进行定位的准确性的感兴趣区域的定位方法、计算机设备和存储介质。
6.第一方面，本技术提供了一种感兴趣区域的定位方法，该方法包括：
7.根据获取的医学图像确定其中的感兴趣区域的位置以及各个组织的位置；
8.根据感兴趣区域的位置以及各组织的位置，确定感兴趣区域与各组织之间的测量距离；
9.根据各测量距离和预设的模板库中的参考距离，从各组织中定位出感兴趣区域对应的目标组织；上述预设的模板库中包括各个组织对应的一组参考距离，上述一组参考距离中包括各组织与自身以及其他组织之间的参考距离。
10.在其中一个实施例中，上述根据各测量距离和预设的模板库中的参考距离，从各组织中定位出感兴趣区域对应的目标组织，包括：
11.将各测量距离分别和各组织对应的一组参考距离进行匹配，确定匹配成功的一组参考距离；
12.将匹配成功的一组参考距离对应的组织确定为目标组织。
13.在其中一个实施例中，上述将各测量距离分别和各组织对应的一组参考距离进行匹配，确定匹配成功的一组参考距离，包括：
14.计算各测量距离和每个组织对应的一组参考距离之间的差异，获得每个组织对应的差异值；
15.确定各差异值中的最小差异值，并将最小差异值对应的一组参考距离确定为匹配成功的一组参考距离。
16.在其中一个实施例中，上述根据各测量距离和预设的模板库中的参考距离，从各组织中定位出感兴趣区域对应的目标组织之前，上述方法还包括：
17.从各测量距离中选取出至少一个测量距离作为比对距离；其中，上述比对距离的
数量小于测量距离的数量；
18.相应地，上述根据各测量距离和预设的模板库中的参考距离，从各组织中定位出感兴趣区域对应的目标组织，包括：
19.根据各比对距离和预设的模板库中的参考距离，从各组织中定位出感兴趣区域对应的目标组织。
20.在其中一个实施例中，上述根据各比对距离和预设的模板库中的参考距离，从各组织中定位出感兴趣区域对应的目标组织，包括：
21.对各比对距离进行归一化处理，确定各归一化后的比对距离；
22.根据各归一化后的比对距离和预设的模板库中的参考距离，从各组织中定位出感兴趣区域对应的目标组织。
23.在其中一个实施例中，上述对各比对距离进行归一化处理，确定各归一化后的比对距离，包括：
24.根据获取的医学图像确定其中各个椎骨的位置；
25.根据各个椎骨的位置计算每相邻两个椎骨之间的距离，并根据计算的多个距离确定平均距离；
26.将各比对距离除以平均距离，确定各归一化后的比对距离。
27.在其中一个实施例中，上述根据各归一化后的比对距离和预设的模板库中的参考距离，从各组织中定位出感兴趣区域对应的目标组织，包括：
28.在预设的模板库中，从每个组织对应的一组参考距离中选择与各归一化后的比对距离位置对应的各参考距离；
29.根据各归一化后的比对距离和从每个组织中选择的各参考距离，从各组织中定位出感兴趣区域对应的目标组织。
30.在其中一个实施例中，上述各个组织包括各个肋骨，上述感兴趣区域包括各个肋骨上的病灶区域。
31.在其中一个实施例中，各组织中包括左侧组织和右侧组织，上述根据感兴趣区域的位置以及各组织的位置，确定感兴趣区域与各组织之间的测量距离，包括：
32.根据感兴趣区域的位置以及各组织的位置，确定感兴趣区域在各组织中对应的待计算组织；上述待计算组织为左侧组织或右侧组织；
33.根据感兴趣区域的位置以及待计算组织的位置，确定感兴趣区域与各待计算组织之间的测量距离。
34.在其中一个实施例中，上述根据感兴趣区域的位置以及待计算组织的位置，确定感兴趣区域与各待计算组织之间的测量距离，包括：
35.根据各待计算组织的位置确定各待计算组织对应的中心线；
36.根据感兴趣区域的位置，计算感兴趣区域与各中心线之间的距离，获得感兴趣区域与各待计算组织之间的测量距离。
37.在其中一个实施例中，上述预设的模板库中建立方式包括：
38.获取多个样本图像；上述样本图像中包括各结构完整的组织；
39.计算各样本图像中每个组织对应的一组样本距离，获得各样本图像对应的多组样本距离；
40.在各样本图像对应的多组样本距离中，对相同组织的多组样本距离进行均值处理，获得每个组织对应的一组参考距离；
41.将每个组织和对应的一组参考距离建立对应关系，获得预设的模板库。
42.在其中一个实施例中，上述各结构完整的组织包括结构完整的胸椎和结构完整的肋骨。
43.在其中一个实施例中，上述计算各样本图像中每个组织对应的一组样本距离，获得各样本图像对应的多组样本距离之后，上述方法还包括：
44.计算各样本图像中每相邻两个椎骨之间的距离，并根据计算的多个距离确定各样本图像对应的平均距离；
45.将各样本图像对应的多组样本距离除以各自对应的平均距离，确定各样本图像对应的归一化后的多组样本距离。
46.第二方面，本技术还提供了一种感兴趣区域的定位装置，该装置包括：
47.位置确定模块，用于根据获取的医学图像确定其中的感兴趣区域的位置以及各个组织的位置；
48.测量距离确定模块，用于根据感兴趣区域的位置以及各组织的位置，确定感兴趣区域与各组织之间的测量距离；
49.定位模块，用于根据各测量距离和预设的模板库中的参考距离，从各组织中定位出感兴趣区域对应的目标组织；上述预设的模板库中包括各个组织对应的一组参考距离，上述一组参考距离中包括各组织与自身以及其他组织之间的参考距离。
50.第三方面，本技术还提供了一种计算机设备，计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
51.根据获取的医学图像确定其中的感兴趣区域的位置以及各个组织的位置；
52.根据感兴趣区域的位置以及各组织的位置，确定感兴趣区域与各组织之间的测量距离；
53.根据各测量距离和预设的模板库中的参考距离，从各组织中定位出感兴趣区域对应的目标组织；上述预设的模板库中包括各个组织对应的一组参考距离，上述一组参考距离中包括各组织与自身以及其他组织之间的参考距离。
54.第四方面，本技术还提供了一种计算机可读存储介质，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：
55.根据获取的医学图像确定其中的感兴趣区域的位置以及各个组织的位置；
56.根据感兴趣区域的位置以及各组织的位置，确定感兴趣区域与各组织之间的测量距离；
57.根据各测量距离和预设的模板库中的参考距离，从各组织中定位出感兴趣区域对应的目标组织；上述预设的模板库中包括各个组织对应的一组参考距离，上述一组参考距离中包括各组织与自身以及其他组织之间的参考距离。
58.第五方面，本技术还提供了一种计算机程序产品，计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
59.根据获取的医学图像确定其中的感兴趣区域的位置以及各个组织的位置；
60.根据感兴趣区域的位置以及各组织的位置，确定感兴趣区域与各组织之间的测量
距离；
61.根据各测量距离和预设的模板库中的参考距离，从各组织中定位出感兴趣区域对应的目标组织；上述预设的模板库中包括各个组织对应的一组参考距离，上述一组参考距离中包括各组织与自身以及其他组织之间的参考距离。
62.上述感兴趣区域的定位方法、计算机设备和存储介质，通过获取的医学图像确定其中感兴趣区域的位置以及各组织的位置，并根据位置计算感兴趣区域与各组织之间的测量距离，以及根据各测量距离和预设的模板库中的参考距离，从各组织中定位出感兴趣区域对应的目标组织；其中，模板库中包括各组织对应的一组参考距离，一组参考距离中包括各组织与自身以及其他组织之间的参考距离。在该方法中，由于可以通过将感兴趣区域和各组织之间的距离与模板库中的参考距离进行比对，以定位出目标组织，这样不需要过分依赖感兴趣区域的分割结果即可实现对感兴趣区域的定位，因此可以提升对感兴趣区域的定位准确性。另外，在定位过程是结合多个组织的参考距离共同进行定位的，这样也不会过分依赖某一个组织进行定位，参与定位的数据较多，因此也可以进一步提升对感兴趣区域定位的准确性。
附图说明
63.图1为一个实施例中计算机设备的内部结构图；
64.图2为一个实施例中感兴趣区域的定位方法的流程示意图；
65.图3为另一个实施例中感兴趣区域的定位的流程示意图；
66.图4为另一个实施例中感兴趣区域的定位方法的流程示意图；
67.图5为另一个实施例中感兴趣区域的定位方法的流程示意图；
68.图6为另一个实施例中感兴趣区域的定位方法的流程示意图；
69.图7为一个实施例中感兴趣区域的定位装置的结构框图。
具体实施方式
70.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术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技术，并不用于限定本技术。
71.本技术实施例提供的感兴趣区域的定位方法，可以应用于计算机设备，该计算机设备可以是终端或服务器，以终端为例，其内部结构图可以如图1所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、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系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、移动蜂窝网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种感兴趣区域的定位方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
72.本领域技术人员可以理解，图1中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
73.在一个实施例中，如图2所示，提供了一种感兴趣区域的定位方法，以该方法应用于图1中的计算机设备为例进行说明，可以包括以下步骤：
74.s102，根据获取的医学图像确定其中的感兴趣区域的位置以及各个组织的位置。
75.其中，医学图像可以是对待测对象实时采集获得的，也可以是从云端或服务器中获得待测对象的医学图像。该医学图形可以是三维图像或二维图像。医学图像中包括各个组织以及感兴趣区域，这里的各个组织也可以称为各个结构。作为可选的实施例，上述各个组织包括各个肋骨，上述感兴趣区域包括各个肋骨上的病灶区域。通常，一般正常的组织会包括12根左侧肋骨和12根右侧肋骨，这里待测对象的组织可以是24根肋骨，也可以是少于24根肋骨，这里病灶区域可以是待测对象全部肋骨中任一根肋骨上的病灶区域，或者可以是多根肋骨上的病灶区域，病灶区域可以是一个或多个。
76.具体的，在获得待测对象医学图像之后，可以通过图像分割方法或者分割模型将医学图像中的各个组织以及感兴趣区域均分割出来，获得各个组织自身的位置以及感兴趣区域的位置。这里可以是同时对各个组织和感兴趣区域进行分割处理，还可以是先对各个组织进行分割处理，再在此基础上继续对感兴趣区域进行分割处理，当然还可以是其他分割方式，这里不作具体限定。
77.s104，根据感兴趣区域的位置以及各组织的位置，确定感兴趣区域与各组织之间的测量距离。
78.在本步骤中，在获得各个组织自身的位置以及感兴趣区域的位置之后，可以采用距离计算公式，分别计算各个组织自身的位置与感兴趣区域位置之间的距离，获得各个组织分别与感兴趣区域之间的距离，记为测量距离，这里每个组织均会获得一个测量距离，因此可以获得多个测量距离。
79.另外，对于计算各个组织自身的位置与感兴趣区域位置之间的距离的方式，以一个组织为例，该组织可以离散成多个点，可以是从感兴趣区域从选择一个点(例如中心点)的位置表征感兴趣区域的位置，然后计算该感兴趣区域的点到该组织上各个点之间的距离，然后根据获得的多个距离中确定一个距离作为该组织与该感兴趣区域之间的测量距离，其他组织的测量距离也可以采用参照该计算方式进行计算，这里不再赘述。
80.s106，根据各测量距离和预设的模板库中的参考距离，从各组织中定位出感兴趣区域对应的目标组织。
81.其中，上述预设的模板库中包括各个组织对应的一组参考距离，上述一组参考距离中包括各组织与自身以及其他组织之间的参考距离。这里预设的模板库中包括的各个组织一般是完整的组织，这里的参考距离指的是通过这些完整的组织计算出的距离，可以是各个组织之间的最短距离，该参考距离可以通过对大批量数据进行统计得到。以组织是肋骨为例，这里模板库中包括24根肋骨和每根肋骨对应的一组参考距离，以一根肋骨为例，该肋骨对应的一组参考距离包括该肋骨与自身的最短距离(一般为0)，以及该肋骨与其他23根肋骨之间的最短距离，一共24个距离。其他肋骨的距离可以按照此方式进行计算，总之可以获得各个组织对应的一组参考距离。
82.具体的，在上述获得待测对象感兴趣区域与各个组织之间的多个测量距离之后，通过该多个测量距离和模板库的多组参考距离分别进行处理，从中确定出该多个测量距离对应的组织，即获得感兴趣区域所在的目标组织。
83.上述感兴趣区域的定位方法中，通过获取的医学图像确定其中感兴趣区域的位置以及各组织的位置，并根据位置计算感兴趣区域与各组织之间的测量距离，以及根据各测量距离和预设的模板库中的参考距离，从各组织中定位出感兴趣区域对应的目标组织；其中，模板库中包括各组织对应的一组参考距离，一组参考距离中包括各组织与自身以及其他组织之间的参考距离。在该方法中，由于可以通过将感兴趣区域和各组织之间的距离与模板库中的参考距离进行比对，以定位出目标组织，这样不需要过分依赖感兴趣区域的分割结果即可实现对感兴趣区域的定位，因此可以提升对感兴趣区域的定位准确性。另外，在定位过程是结合多个组织的参考距离共同进行定位的，这样也不会过分依赖某一个组织进行定位，参与定位的数据较多，因此也可以进一步提升对感兴趣区域定位的准确性。
84.上述实施例中提到了可以通过模板库中的多组参考距离进行感兴趣区域的定位，以下实施例就对该过程进行详细说明。
85.在另一个实施例中，如图3所示，提供了另一种感兴趣区域的定位方法，在上述实施例的基础上，上述s106可以包括以下步骤：
86.s202，将各测量距离分别和各组织对应的一组参考距离进行匹配，确定匹配成功的一组参考距离。
87.在本步骤中，在将各测量距离和各组织对应的一组参考距离进行匹配时，作为可选的实施例，可以包括：计算各测量距离和每个组织对应的一组参考距离之间的差异，获得每个组织对应的差异值；确定各差异值中的最小差异值，并将最小差异值对应的一组参考距离确定为匹配成功的一组参考距离。
88.这里在计算各测量距离和每个组织对应的一组参考距离之间的差异时，可以是计算各测量距离与每组参考距离的欧氏距离，并将计算的欧氏距离作为每组参考距离与各测量距离之间的差异值，即获得多个差异值。之后，可以将各个差异值进行排序，从大到小或从小到大均可以，总之可以通过排序结果获得其中的最小差异值。之后，可以通过最小差异值获得其对应的一组参考距离，即获得匹配成功的一组参考距离。
89.s204，将匹配成功的一组参考距离对应的组织确定为目标组织。
90.在本步骤中，在上述获得匹配成功的一组参考距离之后，也可以获得对应的组织，获得的组织即目标组织。
91.本实施例中，通过将各测量距离分别和模板库中各组织对应的一组参考距离进行匹配，并将匹配成功的一组参考距离对应的组织确定为目标组织，即定位出感兴趣区域所在的目标组织，这样通过参考距离匹配可以加快定位的速度，从而可以提高感兴趣区域定位的效率。另外，通过计算差异值以及最小差异值确定匹配成功的一组参考距离，这样可以进一步提高定位的效率以及提高定位的准确性。
92.上述实施例中提到了可以通过多个测量距离与模板库中的多组参考距离进行匹配以确定目标组织的过程，在此之前为了节省计算量，还可以通过挑选一部分测量距离参与计算，以下实施例就对该过程进行详细说明。
93.在另一个实施例中，如图4所示，提供了另一种感兴趣区域的定位方法，在上述实
施例的基础上，在上述s106之前，上述方法还可以包括以下步骤：
94.s302，从各测量距离中选取出至少一个测量距离作为比对距离；其中，上述比对距离的数量小于测量距离的数量。
95.本步骤中，在计算出多个测量距离之后，可以将这多个测量距离进行排序，获得排序结果，并从排序结果中获得测量距离较小的n个测量距离作为比对距离，这里的n小于上述计算出的多个测量距离的数量。或者也可以是预先设置好距离阈值，然后直接从多个测量距离中选择出n个小于距离阈值的测量距离作为比对距离即可，距离阈值可以根据实际情况设定。
96.示例地，假设计算出的测量距离为6个，分别为：15、32、64、49、21、8，单位为mm，从大到小的排序结果为：64、49、32、21、15、8，从中选取较小的4个值，则为32、21、15、8，这四个选择的值即为比对距离。
97.在上述选择出比对距离之后，就可以和模板库中的参考距离进行匹配，以对感兴趣区域进行定位，相应地，上述s106可以包括：
98.s304，根据各比对距离和预设的模板库中的参考距离，从各组织中定位出感兴趣区域对应的目标组织。
99.在本步骤中，一般选择的比对距离会大于1个，即会是多个比对距离，那么在选择出比对距离之后，可以从每个组织对应的一组参考距离中选择与各比对距离位置对应的各参考距离，然后直接将选择出的比对距离与各组参考距离中位置对应的参考距离进行匹配，获得匹配的参考距离；或者还可以是对选择出的比对距离进行归一化处理后再进行匹配，作为可选的实施例，该过程可以包括以下步骤：
100.a1，对各比对距离进行归一化处理，确定各归一化后的比对距离。
101.其中，以上述医学图像中的各个组织为待测对象的各个肋骨为例，该医学图像中还包括待测对象的椎骨，该椎骨例如为胸椎，这里在进行归一化时，可以根据获取的医学图像确定其中各个椎骨(例如为胸椎)的位置，根据各个椎骨(例如为胸椎)的位置计算每相邻两个椎骨(例如为胸椎)之间的距离，并根据计算的多个距离确定平均距离，将各比对距离除以平均距离，确定各归一化后的比对距离。
102.具体的，可以是通过对医学图像中的椎骨进行分割，获得其中各个椎骨的位置，并通过各个椎骨的位置计算获得各个椎骨的中心点；然后通过距离计算公式以及各个椎骨的中心点计算每相邻两个椎骨之间的距离，获得多个距离，并将多个距离进行求和后取平均，获得平均距离；之后，可以将上述选择的各比对距离均除以该平均距离，获得的值即为对各比对距离进行了归一化处理。
103.a2，根据各归一化后的比对距离和预设的模板库中的参考距离，从各组织中定位出感兴趣区域对应的目标组织。
104.在获得各归一化后的比对距离之后，为了进一步降低计算量以及提升计算的准确性，作为可选的实施例，可以在预设的模板库中，从每个组织对应的一组参考距离中选择与各归一化后的比对距离位置对应的各参考距离，根据各归一化后的比对距离和从每个组织中选择的各参考距离，从各组织中定位出感兴趣区域对应的目标组织。这里通过和模板库中对应位置上的参考距离进行匹配和定位，可以降低计算量，提升匹配效率，同时可以提升匹配的准确性。
105.示例地，以各个组织为肋骨为例，假设上述计算的各测量距离包括感兴趣区域与待测对象左侧t1-t12根肋骨的12个测量距离，通过上述距离阈值选择的测量距离较小的各比对距离分别为t3-t9根肋骨，分别对t3-t9根肋骨对应的比对距离进行归一化，模板库中包括左侧t1-t12根肋骨对应的12组参考距离以及右侧t1-t12根肋骨对应的12组参考距离。那么这里在定位时，可以先从模板库中选择出左侧t1-t12根肋骨对应的12组参考距离，然后通过各比对距离对应的t3-t9根肋骨，从左侧12组参考距离的每组参考距离中均选择t3-t9根肋骨对应的参考距离，这样左侧12组参考距离均变成包括t3-t9根肋骨对应的参考距离。之后，可以计算t3-t9比对距离与12组参考距离中的t3-t9根肋骨位置上的参考距离计算差异值，获得每组参考距离对应的差异值，获得12组差异值以及获得其中的最小差异值，该最小差异值对应的组织假设是t5，则t5为感兴趣区域所在的目标组织。
106.本实施例中，通过从多个测量距离中选择小于测量距离阈值且数量较少的测量距离作为比对距离，这样可以降低后续与模板库中的参考距离进行匹配的数据量，从而提升匹配效率，进而提升感兴趣区域的定位效率。另外，这里选择测量距离较小的进行后续匹配，这样可以滤除掉一部分噪声的影响，同时也比较符合实际情况，因此可以提升匹配结果以及定位的准确性。进一步地，可以在对各测量距离进行归一化处理后进行匹配，这样可以进一步提升匹配结果的准确性。
107.上述实施例中提到了可以计算感兴趣区域和各组织之间的距离，而上述组织中可以包括左侧组织和右侧组织，那么为了进一步节省计算量，还可以先区分出感兴趣区域属于左侧组织还是右侧组织之后再进行计算，以下实施例就对该过程进行详细说明。
108.在另一个实施例中，如图5所示，提供了另一种感兴趣区域的定位方法，在上述实施例的基础上，上述s104可以包括以下步骤：
109.s402，根据感兴趣区域的位置以及各组织的位置，确定感兴趣区域在各组织中对应的待计算组织；上述待计算组织为左侧组织或右侧组织。
110.在本步骤中，以上述医学图像中的各个组织为待测对象的各个肋骨为例，该医学图像中还包括待测对象的椎骨，可以是通过对医学图像中的椎骨进行分割，获得其中各个椎骨的位置，并通过各个椎骨的位置计算获得各个椎骨的中心点的位置，同时也可以通过感兴趣区域的位置确定感兴趣区域的中心点的位置；之后，可以从各个椎骨的中心点中选择位于最上面的(即最靠近人体头部的)椎骨，并获得该选择的椎骨的中心点的位置；之后，可以通过感兴趣区域的中心点的位置以及该选择的椎骨的中心点的位置，判断感兴趣区域位于选择的椎骨的左侧还是右侧。
111.假设感兴趣区域位于选择的椎骨的左侧，则将椎骨左侧的肋骨作为待计算组织，记为左侧组织，并获得左侧组织的位置；若感兴趣区域位于选择的椎骨的右侧，则将椎骨右侧的肋骨作为待计算组织，记为右侧组织，并获得右侧组织的位置。另外，上述左侧组织和右侧组织可以是对称的组织，也可以是不对称的组织。
112.s404，根据感兴趣区域的位置以及待计算组织的位置，确定感兴趣区域与各待计算组织之间的测量距离。
113.在本步骤中，在从各组织中选择出待计算组织之后，就可以直接计算感兴趣区域和各待计算组织之间的测量距离。这里具体在计算测量距离时，作为可选的实施例，可以是根据各待计算组织的位置确定各待计算组织对应的中心线；根据感兴趣区域的位置，计算
感兴趣区域与各中心线之间的距离，获得感兴趣区域与各待计算组织之间的测量距离。
114.具体的，可以是通过各待计算组织的位置对各待计算组织进行中心线提取处理，获得各待计算组织对应的中心线，这里获得的各中心线可以是由离散的点构成的中心线。之后，可以计算感兴趣区域与各中心线上各个点之间的距离，这样每个中心线可以获得多个距离，并从中选择一个最小距离作为该中心线与感兴趣区域之间的距离，如此可以获得每个中心线对应的距离，即获得各组织与感兴趣区域之间的测量距离。
115.本实施例中，通过感兴趣区域的位置确定其属于各组织中的左侧组织或右侧组织，并对相应侧的组织进行距离计算，这样可以减少一半的计算量，从而可以大幅提升距离计算效率，进而大幅提升定位效率；同时可以通过该方式进行初步定位以及后续的精细定位，这样可以有效提升定位的准确性。进一步地，同感兴趣区域和组织的中心线进行距离计算，这样可以保证距离计算的有效性和准确性。
116.上述实施例中提到了可以将测量距离和模板库中的参考距离进行匹配，也简单提到了模板库的建立过程，以下实施例就对该模板库的建立过程进行详细说明。
117.在另一个实施例中，如图6所示，提供了另一种感兴趣区域的定位方法，在上述实施例的基础上，上述预设的模板库的建立方式可以包括以下步骤：
118.s502，获取多个样本图像；上述样本图像中包括各结构完整的组织。
119.其中，作为可选的实施例，以肋骨为例，上述每个样本图像中的各结构完整的组织可以包括结构完整的胸椎，还可以包括结构完整的肋骨，当然还可以包括其他结构完整的组织。具体可以是获得多个对象的医学图像，并将其中组织结构完整的医学图像作为样本图像。
120.在获得样本图像之后，可以通过分割算法或分割模型等方式获得各样本图像中的椎骨的位置以及肋骨的位置，并通过各椎骨的位置计算各椎骨的中心点，以及通过肋骨的位置对各肋骨进行中心线提取处理，获得各肋骨对应的中心线。
121.s504，计算各样本图像中每个组织对应的一组样本距离，获得各样本图像对应的多组样本距离。
122.在本步骤中，以一个样本图像为例，可以通过各肋骨的中心线，计算其中一根肋骨到其他肋骨之间的距离。以计算第一根肋骨对应的一组样本距离为例进行说明：可以计算第一根肋骨中心线到其他所有肋骨中心线的最近距离，并且依次排列，组成第一根肋骨的24维特征向量，即获得该第一根肋骨对应的一组参考距离。其中，第一根肋骨到他本身的最近距离为0。
123.同样的，可以按照此方式计算出一个样本图像中所有肋骨各自对应的一组样本距离，并且依次按行排列，即获得一个样本图像对应的多组样本距离，可以是24*24的特征向量。同样的，可以按照此方式计算出全部样本图像各自对应的多组样本距离，这里每个样本图像均会有一个对应的24*24的特征向量。
124.进一步地，上述每个样本图像均包括椎骨，还可以计算各样本图像中每相邻两个椎骨之间的距离，并根据计算的多个距离确定各样本图像对应的平均距离；将各样本图像对应的多组样本距离除以各自对应的平均距离，确定各样本图像对应的归一化后的多组样本距离。
125.具体的，上述可以计算获得每个样本图像中各椎骨的中心点，以一个样本图像为
例，可以计算该样本图像中每相邻两个椎骨中心点之间的距离，并对获得的多个距离进行求和以及取均值，获得平均距离，并将该样本图像对应的24*24的特征向量中的每个值均除以该平均距离，获得该样本图像对应的归一化后的24*24的特征向量，即实现对该样本图像中的多组样本距离的归一化处理。对其他样本图像也可以按照此方式进行归一化处理，获得相应的归一化结果。这里对样本距离进行归一化处理，这样可以与测量距离相对应，从而可以使得后续进行距离匹配时获得的匹配结果更准确。
126.s506，在各样本图像对应的多组样本距离中，对相同组织的多组样本距离进行均值处理，获得每个组织对应的一组参考距离。
127.在本步骤中，在获得各样本图像归一化后的多组样本距离之后，可以对相同组织在各个样本图像中对应的一组样本距离进行求和并取均值，例如对各个样本中t2肋骨对应的一组样本距离进行求和并取均值，获得每个组织对应的一组平均距离，即获得每个组织对应的一组参考距离。
128.s508，将每个组织和对应的一组参考距离建立对应关系，获得预设的模板库。
129.在本步骤中，可以将每个组织对应的一组参考距离与对应的组织绑定起来，例如将t2肋骨对应的一组参考距离与t2肋骨绑定起来，对其他组织也可以如此绑定，这样即可获得预设的模板库。
130.本实施例中，通过计算各组织结构完整的样本图像对应的多组样本距离，并对相同组织的多组样本距离取均值获得每个组织对应的一组参考距离，以建立模板库，这样通过结构完整以及取均值的方式计算参考距离，可以使得计算的组织的参考距离可以涵盖所有组织的距离且较为准确，从而可以提升最终建立的模板库的准确性。
131.应该理解的是，虽然如上所述的各实施例所涉及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，如上所述的各实施例所涉及的流程图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。
132.基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的感兴趣区域的定位方法的感兴趣区域的定位装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个感兴趣区域的定位装置实施例中的具体限定可以参见上文中对于感兴趣区域的定位方法的限定，在此不再赘述。
133.在一个实施例中，如图7所示，提供了一种感兴趣区域的定位装置，包括：位置确定模块11、测量距离确定模块12和定位模块13，其中：
134.位置确定模块11，用于根据获取的医学图像确定其中的感兴趣区域的位置以及各个组织的位置；
135.测量距离确定模块12，用于根据感兴趣区域的位置以及各组织的位置，确定感兴趣区域与各组织之间的测量距离；
136.定位模块13，用于根据各测量距离和预设的模板库中的参考距离，从各组织中定位出感兴趣区域对应的目标组织；上述预设的模板库中包括各个组织对应的一组参考距
离，上述一组参考距离中包括各组织与自身以及其他组织之间的参考距离。
137.在另一个实施例中，提供了另一种感兴趣区域的定位装置，在上述实施例的基础上，上述定位模块13可以包括：
138.匹配单元，用于将各测量距离分别和各组织对应的一组参考距离进行匹配，确定匹配成功的一组参考距离；
139.确定单元，用于将匹配成功的一组参考距离对应的组织确定为目标组织。
140.可选的，上述匹配单元，具体用于计算各测量距离和每个组织对应的一组参考距离之间的差异，获得每个组织对应的差异值；确定各差异值中的最小差异值，并将最小差异值对应的一组参考距离确定为匹配成功的一组参考距离。
141.在另一个实施例中，提供了另一种感兴趣区域的定位装置，在上述实施例的基础上，上述定位模块13根据各测量距离和预设的模板库中的参考距离，从各组织中定位出感兴趣区域对应的目标组织之前，上述装置还可以包括：
142.选取模块，用于从各测量距离中选取出至少一个测量距离作为比对距离；其中，上述比对距离的数量小于测量距离的数量；
143.相应地，上述定位模块13，具体用于根据各比对距离和预设的模板库中的参考距离，从各组织中定位出感兴趣区域对应的目标组织。
144.可选的，上述定位模块13可以包括：
145.归一化单元，用于对各比对距离进行归一化处理，确定各归一化后的比对距离；
146.定位单元，用于根据各归一化后的比对距离和预设的模板库中的参考距离，从各组织中定位出感兴趣区域对应的目标组织。
147.在另一个实施例中，上述各个组织包括各个肋骨，上述感兴趣区域包括各个肋骨上的病灶区域。
148.在另一个实施例中，提供了另一种感兴趣区域的定位装置，在上述实施例的基础上，上述测量距离确定模块12可以包括：
149.判断单元，用于根据感兴趣区域的位置以及各组织的位置，确定感兴趣区域在各组织中对应的待计算组织；上述待计算组织为左侧组织或右侧组织；
150.距离确定单元，用于根据感兴趣区域的位置以及待计算组织的位置，确定感兴趣区域与各待计算组织之间的测量距离。
151.可选的，上述距离确定单元，具体用于根据各待计算组织的位置确定各待计算组织对应的中心线；根据感兴趣区域的位置，计算感兴趣区域与各中心线之间的距离，获得感兴趣区域与各待计算组织之间的测量距离。
152.在另一个实施例中，提供了另一种感兴趣区域的定位装置，在上述实施例的基础上，上述装置还包括模板库建立模块，该模板库建立模块可以包括：
153.样本获取单元，用于获取多个样本图像；上述样本图像中包括各结构完整的组织；
154.样本距离计算单元，用于计算各样本图像中每个组织对应的一组样本距离，获得各样本图像对应的多组样本距离；
155.均值处理单元，用于在各样本图像对应的多组样本距离中，对相同组织的多组样本距离进行均值处理，获得每个组织对应的一组参考距离；
156.模板库建立单元，用于将每个组织和对应的一组参考距离建立对应关系，获得预
设的模板库。
157.上述感兴趣区域的定位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。
158.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：
159.根据获取的医学图像确定其中的感兴趣区域的位置以及各个组织的位置；根据感兴趣区域的位置以及各组织的位置，确定感兴趣区域与各组织之间的测量距离；根据各测量距离和预设的模板库中的参考距离，从各组织中定位出感兴趣区域对应的目标组织；上述预设的模板库中包括各个组织对应的一组参考距离，上述一组参考距离中包括各组织与自身以及其他组织之间的参考距离。
160.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
161.将各测量距离分别和各组织对应的一组参考距离进行匹配，确定匹配成功的一组参考距离；将匹配成功的一组参考距离对应的组织确定为目标组织。
162.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
163.计算各测量距离和每个组织对应的一组参考距离之间的差异，获得每个组织对应的差异值；确定各差异值中的最小差异值，并将最小差异值对应的一组参考距离确定为匹配成功的一组参考距离。
164.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
165.从各测量距离中选取出至少一个测量距离作为比对距离；根据各比对距离和预设的模板库中的参考距离，从各组织中定位出感兴趣区域对应的目标组织；其中，上述比对距离的数量小于测量距离的数量。
166.在一个实施例中，上述各个组织包括各个肋骨，上述感兴趣区域包括各个肋骨上的病灶区域。
167.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
168.根据感兴趣区域的位置以及各组织的位置，确定感兴趣区域在各组织中对应的待计算组织；上述待计算组织为左侧组织或右侧组织；根据感兴趣区域的位置以及待计算组织的位置，确定感兴趣区域与各待计算组织之间的测量距离。
169.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
170.根据各待计算组织的位置确定各待计算组织对应的中心线；根据感兴趣区域的位置，计算感兴趣区域与各中心线之间的距离，获得感兴趣区域与各待计算组织之间的测量距离。
171.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
172.获取多个样本图像；上述样本图像中包括各结构完整的组织；计算各样本图像中每个组织对应的一组样本距离，获得各样本图像对应的多组样本距离；在各样本图像对应的多组样本距离中，对相同组织的多组样本距离进行均值处理，获得每个组织对应的一组参考距离；将每个组织和对应的一组参考距离建立对应关系，获得预设的模板库。
173.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：
174.根据获取的医学图像确定其中的感兴趣区域的位置以及各个组织的位置；根据感兴趣区域的位置以及各组织的位置，确定感兴趣区域与各组织之间的测量距离；根据各测量距离和预设的模板库中的参考距离，从各组织中定位出感兴趣区域对应的目标组织；上述预设的模板库中包括各个组织对应的一组参考距离，上述一组参考距离中包括各组织与自身以及其他组织之间的参考距离。
175.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
176.将各测量距离分别和各组织对应的一组参考距离进行匹配，确定匹配成功的一组参考距离；将匹配成功的一组参考距离对应的组织确定为目标组织。
177.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
178.计算各测量距离和每个组织对应的一组参考距离之间的差异，获得每个组织对应的差异值；确定各差异值中的最小差异值，并将最小差异值对应的一组参考距离确定为匹配成功的一组参考距离。
179.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
180.从各测量距离中选取出至少一个测量距离作为比对距离；根据各比对距离和预设的模板库中的参考距离，从各组织中定位出感兴趣区域对应的目标组织；其中，上述比对距离的数量小于测量距离的数量。
181.在一个实施例中，上述各个组织包括各个肋骨，上述感兴趣区域包括各个肋骨上的病灶区域。
182.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
183.根据感兴趣区域的位置以及各组织的位置，确定感兴趣区域在各组织中对应的待计算组织；上述待计算组织为左侧组织或右侧组织；根据感兴趣区域的位置以及待计算组织的位置，确定感兴趣区域与各待计算组织之间的测量距离。
184.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
185.根据各待计算组织的位置确定各待计算组织对应的中心线；根据感兴趣区域的位置，计算感兴趣区域与各中心线之间的距离，获得感兴趣区域与各待计算组织之间的测量距离。
186.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
187.获取多个样本图像；上述样本图像中包括各结构完整的组织；计算各样本图像中每个组织对应的一组样本距离，获得各样本图像对应的多组样本距离；在各样本图像对应的多组样本距离中，对相同组织的多组样本距离进行均值处理，获得每个组织对应的一组参考距离；将每个组织和对应的一组参考距离建立对应关系，获得预设的模板库。
188.在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
189.根据获取的医学图像确定其中的感兴趣区域的位置以及各个组织的位置；根据感兴趣区域的位置以及各组织的位置，确定感兴趣区域与各组织之间的测量距离；根据各测量距离和预设的模板库中的参考距离，从各组织中定位出感兴趣区域对应的目标组织；上述预设的模板库中包括各个组织对应的一组参考距离，上述一组参考距离中包括各组织与自身以及其他组织之间的参考距离。
access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
205.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。
206.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。