技术特征：
1.tms头动检测方法，其特征在于，包括以下步骤：步骤s1：扫描获得病患的磁共振图像，通过深度相机获得病患的头部深度图及其rgb平面图，使用mtcnn算法获取rgb平面图上第一个抓取到的病患的人脸特征像素点的二维坐标，所述人脸特征像素点包括左眼、右眼、鼻子、左嘴角及右嘴角所对应的5个点位；步骤s2：通过病患的头部深度图及其rgb平面图所对应的关系得到人脸特征像素点对应的三维坐标；步骤s3：使用marching cubes面绘制算法结合vtk工具包实现步骤s1中所获得的磁共振图像的三维重建，得到重建三维图像；步骤s4：获取所述重建三维图像的视角为正前方的二维截图，再使用mtcnn算法获取所述二维截图的人脸特征像素点的二维坐标；步骤s5：根据vtk坐标系转换关系算得步骤s4中所得的人脸特征像素点在vtk世界坐标系中的三维坐标；步骤s6：将步骤s2与步骤s5所得到的两组三维坐标通过landmark经典算法仿射配准，使病患所在的物理坐标与vtk世界坐标系统一，从而在计算机中实时模拟显示真实物理世界中患者的头动情况。2.根据权利要求1所述的tms头动检测方法，其特征在于：所述步骤s1包括以下步骤：步骤s101：对输入的rgb平面图的每一帧图像进行多尺度变换，制作成不同尺度的图像金字塔；步骤s102：将金字塔图像输入p-net卷积神经网络，获得候选窗体和边界回归向量，候选窗体根据边界框进行校准，然后利用非极大值抑制去除重叠窗体，输出得到人脸图像；步骤s103：将p-net网络输出得到的人脸图像输入r-net卷积神经网络，利用边界框向量微调候选窗体，最后还是利用非极大值抑制算法去除重叠窗体，输出得到人脸图像；步骤s104：将r-net网络输出得到的人脸图像输入o-net卷积神经网络，对人脸检测框坐标进行进一步的细化，该网络比r-net多一层卷积层，功能与r-net类似，只是在去除重叠候选窗口的同时标定5个人脸关键点位置。3.根据权利要求1所述的tms头动检测方法，其特征在于：在步骤s2中，在所述头部深度图中检索步骤s1中所得人脸特征像素点，获取其所对应的像素值，并将所述像素值作为所对应的人脸特征像素点的深度值，从而得到步骤s1中所得人脸特征像素点对应的三维坐标。4.根据权利要求1所述的tms头动检测方法，其特征在于：所述步骤s3的marching cubes面绘制算法包括以下步骤：步骤s301：将步骤s1中扫描得到的磁共振图像分层读入内存；步骤s302：扫描两层数据，逐个构造体素，每个体素中的8个角点取自相邻的两层；步骤s303：将体素每个角点的函数值与根据病患情况所给定的等值面值c做比较，根据比较结果，构造该体素的状态表；步骤s304：根据状态表，得出将与等值面有交点的边界体素；步骤s305：通过线性插值方法计算出体素棱边与等值面的交点；步骤s306：利用中心差分方法，求出体素各角点处的法向量，再通过线性插值方法，求出三角面片各顶点处的法向；
步骤s307：根据各三角面片上各顶点的坐标及法向量绘制等值面图像，从而获得磁共振图像的重建三维图像。5.根据权利要求1所述的tms头动检测方法，其特征在于：所述步骤s5包括以下步骤：步骤s501：算取步骤s4中所获人脸特征像素点坐标值距离步骤s4中所获二维截图最中心像素的中心值的比率r；步骤s502：根据比率r能分别求出重建三维图像的人脸特征像素点在vtk三维视图中的view坐标系的坐标值；步骤s503：根据view坐标系的值可以分别求出重建三维图像的人脸特征像素点在vtk三维视图中的display坐标系的坐标值；步骤s504：用vtk面片拾取的方式模拟一条起点是人脸特征像素点的display坐标点且与显示屏垂直的向量，算取第一个相交于所述向量的的体素坐标点，从而分别获得步骤s4中所得的人脸特征像素点在vtk世界坐标系中的三维坐标。6.根据权利要求1所述的tms头动检测方法，其特征在于：所述步骤s6包括以下步骤：步骤s601：将经过步骤s1及步骤s2后所得到的人脸特征像素点设为源点集；步骤s602：将经过步骤s3、步骤s4及步骤s5后所得的重建三维图像的人脸特征像素点设为目标点集；步骤s603：算得包括平移、旋转和放缩变换的原始配准矩阵，使得前述两个点集在配准后的平均距离最小；步骤s604：将所述目标点集乘上所述原始配准矩阵，完成第一次配准；步骤s605：将在每一帧所获取的rgb平面图都按步骤s1及步骤s2操作，获取每帧rgb平面图对应的人脸特征像素点的三维坐标；步骤s606：将每帧rgb平面图的人脸特征像素点的三维坐标与步骤s2中所获得的三维坐标再次用landmark算法进行配准，获取每帧rgb平面图对应的二次配准矩阵；步骤s607：将二次配准矩阵后乘所述原始配准矩阵，得到除第一帧图像外的每帧图像的真实配准矩阵，在vtk中将除第一帧图像外的目标点集乘上原始配准矩阵，从而在计算机中实时模拟显示真实物理世界中患者的头动情况。
技术总结
本发明公开TMS头动检测方法，步骤s1：扫描获得病患的磁共振图像，通过深度相机获得病患的头部深度图及其rgb平面图；步骤s2：通过病患的头部深度图及其rgb平面图所对应的关系得到人脸特征像素点对应的三维坐标；步骤s3：使用marching cubes面绘制算法结合Vtk工具包实现步骤s1中所获得的磁共振图像的三维重建；步骤s4：使用MTCNN算法获取二维截图的人脸特征像素点的二维坐标；步骤s5：根据Vtk坐标系转换关系算得步骤s4中所得的人脸特征像素点在Vtk世界坐标系中的三维坐标；步骤s6：将步骤s2与步骤s5所得到的两组三维坐标通过LandMark经典算法仿射配准。本发明能根据深度相机获取的图像，实时检测患者的头动状况，实现在计算机中同步显示患者的头动情况。同步显示患者的头动情况。同步显示患者的头动情况。
技术研发人员：黄晓琦 幸浩洋 龚启勇 李静
受保护的技术使用者：四川大学
技术研发日：2020.09.18
技术公布日：2022/3/18