[发明专利]一种在医学图像中定位关键点的方法和装置

说明书

技术领域

本发明涉及图像处理技术领域，特别是涉及一种医学图像中定位关键点的方法和装置。

背景技术

为了提高诊断效率和准确性，对于通过医学成像技术重建得到的医学图像，还可以进一步进行配准、分割、测量、可视化等图像后处理，以辅助医生更好地理解医学图像。在图像后处理中，需要在医学图像中定位出解剖结构的关键点。可以理解的是，一方面，自动定位出的关键点可以辅助医生快速定位感兴趣区域，降低医生的阅片工作量，另一方面，自动定位出的关键点可以为感兴趣分割、自动去骨、自动参数测量等其他图像后处理提供辅助手段，降低图像后处理过程整体上的难度。

在医学图像中对关键点的定位，可以通过机器学习技术实现。在现有技术中，对于用于训练的历史医学图像，通过手动标记的方式确定历史医学图像上的关键点，并对历史医学图像中像素点的图像特征与像素点的属性之间的对应关系进行机器学习，得到可用于预测关键点的机器学习模型，其中，像素点的属性表示坐标点是否为关键点。在需要为当前医学图像定位关键点时，针对当前医学图像中的每一个像素点，提取像素点在当前医学图像中的图像特征并通过已训练完成的机器学习模型确定像素点是否为关键点，从而遍历出当前医学图像中的关键点。

但是，一方面，由于机器学习模型是用于针对当前医学图像中的像素点确定是否为关键点，因此，为了定位出当前医学图像中的所有关键点，必须要遍历当前医学图像中的每一个像素点，可见，关键点定位的计算量过大。另一方面，由于像素点的图像特征是从像素点的一定领域内提取出的，而像素点的一定领域内所包含的图像往往并不充分，因此，仅仅基于不够充分的图像特征确定像素点是否为关键点，往往不够精确。

发明内容

本发明所要解决的技术问题是，提供一种医学图像中定位关键点的方法和装置，不仅使得关键点定位的计算量减小，而且也使得关键点的定位更加准确。

为解决上述技术问题，第一方面，本发明实施例提供了一种医学图像中定位关键点的方法，包括：

响应于为当前医学图像定位关键点的触发指令，从所述当前医学图像中选取像素点，作为第一采样点；

将所述第一采样点处的图像特征输入到第一机器学习模型中，以便得到第一关键点在所述当前医学图像中的第一预测位置，并从所述第一预测位置中确定第二采样点；其中，所述第一机器学习模型为基于历史医学图像中第一历史像素点的图像特征、所述第一历史像素点分别相对于各个关键点的位置偏移量进行训练得到，所述第一历史像素点为历史医学图像中全部像素点；

将所述第二采样点处的图像特征输入到第二机器学习模型中，以便得到所述第一关键点在所述当前医学图像中的第二预测位置；其中，所述第二机器学习模型为基于所述历史医学图像中第二历史像素点的图像特征、所述第二历史像素点相对于所述第一关键点的位置偏移量进行训练得到，所述第二历史像素点为历史医学图像中所述第一关键点周围设定邻域内的像素点；

基于所述第一关键点在所述当前医学图像中的第二预测位置，确定所述第一关键点在所述当前医学图像中的目标预测位置。

第二方面，本发明实施例提供了一种医学图像中定位关键点的装置，包括：

第一选取单元，用于响应于为当前医学图像定位关键点的触发指令，从所述当前医学图像中选取像素点，作为第一采样点；

第一输入单元，用于将所述第一采样点处的图像特征输入到第一机器学习模型中，以便得到第一关键点在所述当前医学图像中的第一预测位置；其中，所述第一机器学习模型为基于历史医学图像中第一历史像素点的图像特征、所述第一历史像素点分别相对于各个关键点的位置偏移量进行训练得到，所述第一历史像素点为历史医学图像中全部像素点；

第一确定单元，用于从所述第一预测位置中确定第二采样点；

第二输入单元，用于将所述第二采样点处的图像特征输入到第二机器学习模型中，以便得到所述第一关键点在所述当前医学图像中的第二预测位置；其中，所述第二机器学习模型为基于所述历史医学图像中第二历史像素点的图像特征、所述第二历史像素点相对于所述第一关键点的位置偏移量进行训练得到，所述第二历史像素点为历史医学图像中所述第一关键点周围设定邻域内的像素点；

第二确定单元，用于基于所述第一关键点在所述当前医学图像中的第二预测位置，确定所述第一关键点在所述当前医学图像中的目标预测位置。

第三方面，本发明实施例提供了一种医学图像中定位关键点的装置，该装置包括：

处理器、存储器和通信总线；

其中，所述处理器与所述存储器通过所述通信总线相连；