[发明专利]一种图像定位方法、装置、计算机及存储介质

说明书

技术领域

本发明实施例涉及图像定位技术，尤其涉及一种图像定位方法、装置、计算机及存储介质。

背景技术

随着图像处理技术的不断发展，图像处理技术广泛应用于医学图像、机器人视觉、航空航天以及通信等领域。

在医学领域通过各种医学图像辅助医生获取病人的病情，例如医学图像包括CT图像、磁共振图像和超声图像等。在医学图像的后处理中，对医学图像中单个或者多个目标的定位是图像分割以及图像配准等处理应用的前提步骤，具有重要的临床应用价值，但是由于医学图像的成像质量易受各种因素的影响，例如成像过程中的噪声、病人的病理、位置、姿态动作或者所服用的造影剂等均会影响医学图像的成像质量，增加图像目标定位的难度。

近年来，以机器学习为代表的人工智能技术得到不断的发展，并逐渐应用于医学图像的目标定位中。目前，以单一树模型为基础进行分类学习，学习模型鲁棒性差，定位精度低。

发明内容

本发明实施例提供一种图像定位方法、装置、计算机及存储介质，以实现提高图像定位的鲁棒性。

第一方面，本发明实施例提供了一种图像定位方法，该方法包括：

获取医学图像，并确定所述医学图像的各像素点的特征信息；

根据所述特征信息和随机概率提升森林分类器对所述各像素点进行分类，并计算所述各像素点属于目标位置的概率；

将满足预设概率条件的像素点的位置信息确定为所述目标位置的定位结果。

进一步的，在根据随机概率提升树森林分类器对所述各像素点进行分类之前，还包括：

确定满足目标位置对应的灰度值范围的像素点。

进一步的，计算所述各像素点属于目标位置的概率，包括：

计算所述各像素点在随机概率提升森林中各概率提升树根节点的概率，确定为所述各像素点在所述概率提升树根节点中属于目标位置的概率，其中，所述各像素点在各概率提升树根节点的概率等于所述概率提升树的子树根节点的概率和其对应根节点的权重乘积之和；

将所述随机概率提升森林中各概率提升树根节点的概率的平均值确定为所述各像素点的概率。

进一步的，在获取医学图像之前，还包括：

获取至少两个训练样本集，根据所述训练样本集训练随机概率提升森林分类器。

进一步的，根据所述训练样本集训练随机概率提升森林分类器，包括：

将所述训练样本根据所述随机概率提升森林分类器进行分类，将分类结果与所述训练样本集的金标准进行比对，确定所述随机概率提升森林的训练误差；

若所述随机概率提升森林的训练误差大于预设误差阈值，则在误分类样本所在的位置区域增加样本采集数量，更新所述训练样本集；

根据更新后的训练样本集训练所述随机概率提升森林分类器。

在根据所述训练样本集训练随机概率提升森林分类器之后，还包括：

根据随机概率提升森林中除当前概率提升树之外的其他概率提升树的训练样本集测试所述当前概率提升树分类器，获取测试结果；

根据所述测试结果更新所述当前概率提升树的训练结果。

进一步的，所述医学图像包括：血管造影图像或心脏造影图像；

相应的，所述目标位置包括血管种子点或主动脉瓣。

第二方面，本发明实施例还提供了一种图像定位装置，该装置包括：

图像获取模块，用于获取医学图像，并确定所述医学图像的各像素点的特征信息；

概率确定模块，根据所述特征信息和随机概率提升森林分类器对所述各像素点进行分类，并计算所述各像素点属于目标位置的概率；

定位结果确定模块，用于将满足预设概率条件的像素点的位置信息确定为所述目标位置的定位结果。

进一步的，所述装置还包括：

像素点确定模块，用于在根据随机概率提升森林分类器对所述各像素点进行分类之前，确定满足目标位置对应的灰度值范围的像素点。

进一步的，测试模块具体用于：

计算所述各像素点在随机概率提升森林中各概率提升树根节点的概率，确定为所述各像素点在概率提升树根节点中属于目标位置的概率，其中，所述各像素点在各概率提升树根节点的概率等于所述概率提升树的子树根节点的概率和其对应根节点的权重乘积之和；

将所述随机概率提升森林种各预设概率提升树根节点的概率的平均值确定为所述各像素点的概率。

进一步的，所述装置还包括：