一种体表定位标记物的分割方法及设备与流程

本发明涉及医学图像处理领域，具体涉及一种体表定位标记物的分割方法及设备。

背景技术：

1、手术导航定位系统可通过光学跟踪的方式来实现定位，系统中设有配套的光学标记物，常见为反光小球。光学系统通过追踪反光小球来实现对目标的实时跟踪定位。在目前临床使用的手术导航定位系统中，比如在骨科和神经外科领域，会把光学标记物固定在人体体表，与手术部位保持贴合，导航定位系统通过追踪对应的光学标记物来实现对手术部位的定位。

2、在应用于术中定位时，需要从患者的术前ct图像中准确地识别出光学标记物，进而与术中的图像进行配准。使用神经网络直接对ct图像中的每张切片进行体表定位标记物识别时，会存在大量的fp，这些fp主要分为两大类：一是体外假阳，即环境中的物品被错误地识别为光学标记物；一类是体内假阳，比如病灶、肠内残渣或血管等等被错误地识别为光学标记物。由于这些fp的ct值和小球的ct值很相似，导致深度学习预测模块直接将其预测为前景，进而导致体表定位标记物的分割结果不准确。

技术实现思路

1、有鉴于此，本发明一方面提供了一种体表定位标记物的分割方法，该方法包括：

2、对ct图像序列进行预处理，提取得到前景图像序列，所述ct图像中包括体表定位标记物和人体组织；

3、获取深度学习模型对所述前景图像序列中体表定位标记物的预测结果，所述预测结果包括体表定位标记物的预测区域和预测值；

4、根据所述预测值确定预测前景图像序列；

5、根据所述预测前景图像序列中预测区域的轮廓判断预测区域是否为预设形状，并记录非预设形状的预测前景图像序列；

6、将所述预测前景图像序列中非预设形状的预测前景图像序列进行去除；

7、根据连续的预测前景图像序列、非预设形状的预测前景图像序列与去除非预设形状且连续的预测前景图像序列判断是否将连续的预测前景图像添加到去除非预设形状且连续的预测前景图像序列中；

8、将添加结果中每个连续的预测前景图像序列的长度超过长度阈值的连续的预测前景图像序列的预测区域和预测值作为分割结果。

9、可选地，根据所述预测值确定预测前景图像序列，包括：

10、判断所述预测区域的预测值是否大于前景阈值；

11、将所述预测值大于前景阈值的预测区域对应的前景图像序列确定为存在体表定位标记物的预测前景图像序列。

12、可选地，根据所述预测前景图像序列中预测区域的轮廓判断预测区域是否为预设形状，并记录非预设形状的预测前景图像序列，包括：

13、计算所述预测前景图像序列中预测区域的轮廓的周长、面积、角点；

14、根据所述周长、面积、角点判断对应预测区域是否为预设形状；

15、记录非预设形状的预测前景图像序列。

16、可选地，根据连续的预测前景图像序列、非预设形状的预测前景图像序列与去除非预设形状且连续的预测前景图像序列判断是否将连续的预测前景图像添加到去除非预设形状且连续的预测前景图像序列中，包括：

17、获取所述预测前景图像序列中连续的预测前景图像序列；

18、获取非预设形状的预测前景图像序列中非连续的预测前景图像序列；

19、获取去除非预设形状且连续的预测前景图像序列；

20、根据所述连续的预测前景图像序列、非预设形状且非连续的预测前景图像序列、去除非预设形状且连续的预测前景图像序列判断是否将连续的预测前景图像序列中连续的预测前景图像添加到去除非预设形状且连续的预测前景图像序列。

21、可选地，根据所述连续的预测前景图像序列、非预设形状且非连续的预测前景图像序列、去除非预设形状且连续的预测前景图像序列判断是否将连续的预测前景图像序列中连续的预测前景图像去除非预设形状且连续的预测前景图像序列，包括：

22、遍历所述连续的预测前景图像序列中每一个连续的预测前景图像序列；

23、判断是否将各个连续的预测前景图像序列添加到去除非预设形状且连续的预测前景图像序列中；

24、若所述非预设形状且非连续的预测前景图像序列中有且只有一个预测前景图像序列在所述连续的预测前景图像序列中，且所述去除非预设形状且连续的预测前景图像序列中不包含该连续的预测前景图像序列，则将该连续的预测前景图像序列添加到去除非预设形状且连续的预测前景图像序列中。

25、可选地，将添加结果中每个连续的预测前景图像序列的长度超过长度阈值的连续的预测前景图像序列的预测区域和预测值作为分割结果，包括：

26、遍历添加后的去除非预设形状且连续的预测前景图像序列中的每个连续的预测前景图像序列；

27、判断所述连续的预测前景图像序列的长度是否大于长度阈值；

28、保留长度大于长度阈值的连续的预测前景图像序列；

29、将所述连续的预测前景图像序列的预测区域和预测值作为分割结果。

30、可选地，利用如下公式确定所述长度阈值：

31、

32、其中，n表示ct图像的数量，s表示每套ct中包含的连续的ct图像序列的数量，表示第i套ct图像中第j个连续的ct图像序列的长度，表示体表定位标记物的厚度，表示两张ct图像切片间的间距。

33、可选地，对ct图像序列进行预处理，提取得到前景图像序列，包括：

34、对所述ct图像序列进行去噪、二值化和形态学处理；

35、提取处理后的ct图像序列的前景图像，得到前景图像序列。

36、可选地，提取处理后的ct图像序列的前景图像，得到前景图像序列，包括：

37、提取每个ct图像中体表定位标记物和人体组织的最大轮廓；

38、对所述最大轮廓向内收缩第一数量的像素，得到第一轮廓，所述第一轮廓为包含体表定位标记物的最小轮廓；

39、对所述最大轮廓向外扩张第二数量的像素，得到第二轮廓，所述第二轮廓为包含体表定位标记物的最大轮廓；

40、提取ct图像序列中每个ct图像中第一轮廓和第二轮廓间的区域图像作为前景图像，得到前景图像序列。

41、本发明另一方面，还提供了一种体表定位标记物的分割设备，该设备包括：处理器以及与所述处理器连接的存储器；其中，所述存储器存储有可被所述处理器执行的指令，所述指令被所述处理器执行，以使所述处理器执行所述的体表定位标记物的分割方法。

42、根据本发明提供的一种体表定位标记物的分割方法，本方法通过深度学习模型对经过预处理的前景图像序列中的体表定位标记物进行预测，并根据预测结果确定预测前景图像序列，然后对预测前景图像序列中的轮廓进行判断，去除非预设形状的预测前景图像序列，然后再次对去除的图像序列进行分析，将符合要求的删除的图像序列再次添加到保留的预测前景图像序列中，最后提取出符合长度阈值要求的连续预测前景图像序列的预测区域和预测值作为分割结果，从而实现对体表定位标记物的自动分割，通过预处理、预测、对预测结果进行二次处理，可以去除图像中的假阳fp，降低假阳的影响，提高了分割体表定位标记物的准确性。

43、