通过标识特征自动识别病人方位的方法和系统与流程

本发明涉及影像识别技术领域，具体地，涉及一种通过标识特征自动识别病人方位的方法和系统。

背景技术：

目前在手术导航技术中，有需要用到术中二维x光影像与术前ct/mr三维影像配准，由于术前三维影像病人方位姿态已知，如果能确定术中二维影像的病人方位，将会大大加快配准效率。关于如何确定病人x光影像的方法中，通过人工观察再手动输入，需要观察人有一定医学影像阅片经验，效率比较低；通过深度学习的方法，需要前期训练运算量较大；通过放置标识物再人工观察手动输入的方法，效率比较低。

与本申请相关的现有技术是专利文献cn109925057a，公开了一种基于增强现实的脊柱微创手术导航方法及系统，该方法包括以下步骤：重建病人脊柱的虚拟三维图像；将虚拟三维图像与病人空间配准得到虚拟三维图像中的虚拟病灶点在病人空间中的位置；将虚拟三维图像中制定的手术路径投射到病人空间中；将术前ct影像生成drr图像，与术中x光图像实时配准，确定实际病灶点；控制机器人夹持手术器械对实际病灶点进行手术；在术中实时获取真实手术场景，将获取的视频信号输出在3d显示器上，实现术前手术路径规划，对病灶点进行精确定位。

技术实现要素：

针对现有技术中的缺陷，本发明的目的是提供一种通过标识特征自动识别病人方位的方法和系统。

根据本发明提供的一种通过标识特征自动识别病人方位的方法，包括：

获取图像步骤：依照设定规则放置标识，通过cb机得到配带标识的病人x光的数字影像图；

图像增强步骤：对数字影像图进行滤波，以减少噪声干扰，得到滤波图像，对滤波图像的图片像素灰度值求均值，根据均值进行筛选，对滤波图像的图片标识区域进行增强；

二值处理步骤：对滤波图像进行二值化处理，并根据滤波图像上像素值为0的像素查找连通域，找到其中连通域最大的像素集，记为标识像素；

识别方位步骤：通过对标识像素中的像素特征比较，得出标识方向，通过对应标识得到病人在数字影像图上的方位。

优选地，所述图像增强步骤包括：

中值滤波步骤：利用中值滤波器对数字影像图进行滤波，得到滤波图像；

归一化步骤：对滤波图像的图片像素灰度值求均值，将大于均值的灰度值设置为1，小于均值的灰度值在0到均值之间进行归一化处理，对对滤波图像的图片标识区域进行增强。

优选地，所述二值处理步骤包括：

阈值分选步骤：设定阈值，通过阈值对滤波图像进行二值化处理，若滤波图像中的像素值低于阈值，则将像素值设置为0，否则设置为1；

像素连通步骤：将滤波图像中像素值为0的像素查找连通域，直至找完所有像素值为0的像素，将其中连通域最大的像素集作为标识像素。

优选地，所述识别方位步骤包括：

设定界限步骤：确定标识像素在x轴的最大最下值，记为x轴最大最小值，确定标识像素在y轴的最大最小值，记为y轴最大最小值；

区域分割步骤：以x轴最大最小值与y轴最大最小值构建包围盒，将包围盒以中线进行分隔，均分为4个区域；

区域比较步骤：比较4个区域的区域特征，得出标识方位。

优选地，所述标识包括圆环部和开口部，所述圆环部与病人头部方向保持一致，开口部与病人右手方向保持一致。

根据本发明提供的一种通过标识特征自动识别病人方位的系统，包括：

获取图像模块：依照设定规则放置标识，通过cb机得到配带标识的病人x光的数字影像图；

图像增强模块：对数字影像图进行滤波，以减少噪声干扰，得到滤波图像，对滤波图像的图片像素灰度值求均值，根据均值进行筛选，对滤波图像的图片标识区域进行增强；

二值处理模块：对滤波图像进行二值化处理，并根据滤波图像上像素值为0的像素查找连通域，找到其中连通域最大的像素集，记为标识像素；

识别方位模块：通过对标识像素中的像素特征比较，得出标识方向，通过对应标识得到病人在数字影像图上的方位。

优选地，所述图像增强模块包括：

中值滤波模块：利用中值滤波器对数字影像图进行滤波，得到滤波图像；

归一化模块：对滤波图像的图片像素灰度值求均值，将大于均值的灰度值设置为1，小于均值的灰度值在0到均值之间进行归一化处理，对对滤波图像的图片标识区域进行增强。

优选地，所述二值处理模块包括：

阈值分选模块：设定阈值，通过阈值对滤波图像进行二值化处理，若滤波图像中的像素值低于阈值，则将像素值设置为0，否则设置为1；

像素连通模块：将滤波图像中像素值为0的像素查找连通域，直至找完所有像素值为0的像素，将其中连通域最大的像素集作为标识像素。

优选地，所述识别方位模块包括：

设定界限模块：确定标识像素在x轴的最大最下值，记为x轴最大最小值，确定标识像素在y轴的最大最小值，记为y轴最大最小值；

区域分割模块：以x轴最大最小值与y轴最大最小值构建包围盒，将包围盒以中线进行分隔，均分为4个区域；

区域比较模块：比较4个区域的区域特征，得出标识方位。

优选地，所述标识包括圆环部和开口部，所述圆环部与病人头部方向保持一致，开口部与病人右手方向保持一致。

与现有技术相比，本发明具有如下的有益效果：

1、本发明有效简化病人x光影像的拍摄步骤，提高拍摄效率，无需观察人有丰富的医学影像阅片经验；

2、本发明通过按照一定规则放置标识物来自动识别病人的图像姿态，无需深度学习模型以及前期训练等手段，降低了姿态识别的实施难以程度，便于推广应用。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明的实施流程示意图；

图2为本发明的标识物放置示意图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。

本发明通过病人在cb机拍摄x光图像时，通过按一定规则放置的标识物来自动识别病人的图像姿态。通过采用一定规则放置标识物，对病人x光图像中特殊标识物成像结构分析的方法，解决了如何自动快速确定病人x光图像方位的问题。

如图1所示，本发明通过以下步骤进行实施：

获取图像步骤：依照设定规则放置标识，通过cb机得到配带标识的病人x光的数字影像图；

图像增强步骤：对数字影像图进行滤波，以减少噪声干扰，得到滤波图像，对滤波图像的图片像素灰度值求均值，根据均值进行筛选，对滤波图像的图片标识区域进行增强；

二值处理步骤：对滤波图像进行二值化处理，并根据滤波图像上像素值为0的像素查找连通域，找到其中连通域最大的像素集，记为标识像素；

识别方位步骤：通过对标识像素中的像素特征比较，得出标识方向，通过对应标识得到病人在数字影像图上的方位。

具体地，首先，制定一定的规则放置标识，如图2所示，标识呈字母k形，k圆环与病人头一致，开口方向与病人右手一致；通过cb机得到带k标识的病人x光的数字影像图；

获得数字影像图后，利用中值滤波器对图片进行滤波，减少噪声干扰，具体是使用3*3的窗口对整张图像进行卷积，卷积过程中对3*3共9个像素值进行排序，排序后选取中间的值作为输出像素值；并对图片像素灰度值求均值，将大于均值的灰度置为1，小于均值的在0到均值间进行归一化处理，对图片标识区域进行增强；

其次，由于k形圆环的材料密度较大，在图像上的颜色较深，所以利用阈值0.8对滤波图像的图片进行二值化处理，低于阈值的置为0，其余为1；通过图片上像素值为0的像素查找连通域，直至找完所有像素值为0的像素。找出其中连通域最大的像素集，即为标识像素；

最后，通过对最大连通域大的像素特征比较得出标识方向，通过对应标识得到病人在影像上的方位；具体地，找出最大连通域下的x轴的最大最小值，y轴最大最小值；以x轴最大最小值与y轴最大最小值构建包围盒，将包围盒以中线分成4个区域；比较各个区域特征，统计每个区域的标识像素的和，和最小的区域即是k图形的右上角，由此就可以判断出病人的具体方位。

本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。