椎骨编号方法、装置、电子装置和存储介质与流程

计算;推算;计数设备的制造及其应用技术1.本技术涉及医学成像技术领域，特别是涉及一种椎骨编号方法、装置、电子装置和存储介质。背景技术：2.骨转移是指存在原发肿瘤的情况下，肿瘤通过血液、淋巴或者局部迁移，转移到骨组织引起骨组织破坏，患者常会出现疼痛的症状。在医学诊断过程中，通常会采用影像学检查手段如正电子发射型计算机断层显像pet和电子计算机断层扫描ct进行诊断。医生在结合扫描图像进行诊断的过程中，需要判断出转移部位出现在患者脊柱的椎骨位置。现有的椎骨编号，需要医生进行人工计数和编号，这种椎骨编号的准确度和效率都比较低下。3.随着机器视觉技术的发展，部分医学成像仪器通过患者的扫描图像进行图像处理，识别出患者的各个椎骨并进行编号。然而，由于人体脊柱较长，且整个完整脊柱存在较多椎骨，因此在成像精度较差或机器识别精度较低时，存在椎骨编号不准确的情况。4.针对相关技术中存在椎骨编号准确度低下的问题，目前还没有提出有效的解决方案。技术实现要素：5.在本实施例中提供了一种椎骨编号方法、装置、电子装置和存储介质，以解决相关技术中椎骨编号准确度较低的问题。6.第一个方面，在本实施例中提供了一种椎骨编号方法，包括：获取目标对象的第一检测图像和第二检测图像；将所述第一检测图像输入图像分割模型，确定多个目标部位区域，每个所述目标部位区域包括多块椎骨；根据所述目标部位区域确定所述第一检测图像上目标部位的第一位置信息；根据所述第一位置信息确定所述第二检测图像上的第二位置信息，所述第二位置信息用于确定所述第二检测图像上所述目标部位；根据所述第二位置信息沿预设方向对所述第二检测图像进行椎骨编号。7.在其中的一个实施例中，所述将所述第一检测图像输入图像分割模型之前包括：获取多组带有目标部位标注的训练图像，将所述训练图像组成训练集；基于所述训练集训练深度学习模型，得到所述图像分割模型。8.在其中的一个实施例中，所述根据所述第二位置信息沿预设方向对所述第二检测图像进行椎骨编号包括：根据所述第二位置信息确定所述第二检测图像中所述目标部位的椎骨数量；根据所述椎骨数量对所述第二检测图像中的所述目标部位进行聚类处理，确定椎骨轮廓；根据所述第二位置信息沿所述预设方向对所述椎骨轮廓进行编号。9.在其中的一个实施例中，所述根据所述目标部位区域确定所述第一检测图像上所述目标部位的第一位置信息，根据所述第一位置信息确定所述第二检测图像上的第二位置信息包括：根据所述目标部位区域在所述第一检测图像上添加第一位置标识；将所述第一检测图像与所述第二检测图像进行配准，确定所述第一检测图像与所述第二检测图像的映射关系；根据所述第一位置标识和所述映射关系在所述第二检测图像上添加第二位置标识。10.在其中的一个实施例中，所述目标部位区域包括颈部区域、胸部区域和腹部区域，所述根据所述目标部位区域在所述第一检测图像上添加第一位置标识包括：根据所述颈部区域的颈椎起始位置或颈椎末端位置对所述第一检测图像进行位置标定，确定第一颈部位置标识；根据所述胸部区域的胸椎起始位置或胸椎末端位置对所述第一检测图像进行位置标定，确定第一胸部位置标识；根据所述腹部区域的腰椎起始位置或腰椎末端位置对所述第一检测图像进行位置标定，确定第一腹部位置标识；将所述第一颈部位置标识、第一胸部位置标识和所述第一腹部位置标识作为所述第一位置标识。11.在其中的一个实施例中，所述第二位置信息包括第二颈部位置标识、第二胸部位置标识以及第二腹部位置标识；所述根据所述第二位置信息沿预设方向对所述第二检测图像进行椎骨编号包括：根据所述第二颈部标识沿预设方向对所述第二检测图像内第一预设数量的椎骨进行编号；根据所述第二胸部位置标识沿预设方向对所述第二检测图像内的第二预设数量的椎骨进行编号；根据所述第二腹部位置标识沿预设方向对所述第二检测图像内的第三预设数量的椎骨进行编号。12.在其中的一个实施例中，所述第一检测图像为ct图像；所述第二检测图像为pet图像。13.第二个方面，在本实施例中提供了一种椎骨编号装置，包括：14.获取模块，用于获取目标对象预设扫描区域的第一检测图像和第二检测图像；15.分割模块，用于将所述第一检测图像输入图像分割模型，得到多个目标部位区域，每个所述目标部位区域包括多块椎骨；16.第一计算模块，用于根据所述目标部位区域确定所述第一检测图像上目标部位的第一位置信息；17.第二计算模块，用于根据所述第一位置信息确定所述第二检测图像上的第二位置信息，所述第二位置信息用于确定所述第二检测图像上所述目标部位；18.编号模块，用于根据所述第二位置信息沿预设方向对所述第二检测图像进行椎骨编号。19.第三个方面，在本实施例中提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一个方面所述的椎骨编号方法。20.第四个方面，在本实施例中提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一个方面所述的椎骨编号方法。21.与相关技术相比，在本实施例中提供的椎骨编号方法，通过获取目标对象的第一检测图像和第二检测图像；将所述第一检测图像输入图像分割模型，确定多个目标部位区域，每个所述目标部位区域包括多块椎骨；根据所述目标部位区域确定所述第一检测图像上目标部位的第一位置信息；根据所述第一位置信息确定所述第二检测图像上的第二位置信息，所述第二位置信息用于确定所述第二检测图像上所述目标部位；根据所述第二位置信息沿预设方向对所述第二检测图像进行椎骨编号，相较于现有技术直接在原始扫描图像中对患者整根脊柱图像进行椎骨编号，采用区域分割的方法降低了椎骨的识别难度，提高了椎骨识别精度，解决了椎骨编号准确度较低的问题，实现了准确进行椎骨编号的技术效果。22.本技术的一个或多个实施例的细节在以下附图和描述中提出，以使本技术的其他特征、目的和优点更加简明易懂。附图说明23.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：24.图1是本实施例的椎骨编号方法的终端的硬件结构框图；25.图2是本实施例的椎骨编号方法的流程图；26.图3是根据本技术另一实施例的椎体编号方法的示意图；27.图4是本实施例的椎骨编号装置的结构框图。具体实施方式28.为更清楚地理解本技术的目的、技术方案和优点，下面结合附图和实施例，对本技术进行了描述和说明。29.除另作定义外，本技术所涉及的技术术语或者科学术语应具有本技术所属技术领域具备一般技能的人所理解的一般含义。在本技术中的“一”、“一个”、“一种”、“该”、“这些”等类似的词并不表示数量上的限制，它们可以是单数或者复数。在本技术中所涉及的术语“包括”、“包含”、“具有”及其任何变体，其目的是涵盖不排他的包含；例如，包含一系列步骤或模块(单元)的过程、方法和系统、产品或设备并未限定于列出的步骤或模块(单元)，而可包括未列出的步骤或模块(单元)，或者可包括这些过程、方法、产品或设备固有的其他步骤或模块(单元)。在本技术中所涉及的“连接”、“相连”、“耦接”等类似的词语并不限定于物理的或机械连接，而可以包括电气连接，无论是直接连接还是间接连接。在本技术中所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或b”可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。通常情况下，字符“/”表示前后关联的对象是一种“或”的关系。在本技术中所涉及的术语“第一”、“第二”、“第三”等，只是对相似对象进行区分，并不代表针对对象的特定排序。30.在本实施例中提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。比如在终端上运行，图1是本实施例的椎骨编号方法的终端的硬件结构框图。如图1所示，终端可以包括一个或多个(图1中仅示出一个)处理器102和用于存储数据的存储器104，其中，处理器102可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置。上述终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述终端的结构造成限制。例如，终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示出的不同配置。31.存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如在本实施例中的椎骨编号方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。32.传输设备106用于经由一个网络接收或者发送数据。上述的网络包括终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器(network interface controller，简称为nic)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频(radio frequency，简称为rf)模块，其用于通过无线方式与互联网进行通讯。33.骨转移是某些原发于骨组织以外的恶性肿瘤经血行转移至骨组织引起的以骨损害、疼痛为主要表现的疾病，发生于脊柱的骨转移癌最多。对于骨转移的病人，医生在为其开出pet诊断报告或ct诊断报告时，需要指明转移部位出现在脊柱的具体椎骨位置。在医疗影像学领域，脊柱一般由26块脊柱骨组成，包括24块椎骨、1块骶骨和1块尾骨，其中，椎骨包括颈椎部分的7块椎骨，一般记作c1至c7；胸椎部分的12块椎骨，一般记作t1至t12；腰椎部分的5块，一般记作l1至l5。医生在根据患者的扫描图像进行诊断时，需要进行人工技术和排列编号。这严重耗费了医生的精力，降低了医生的诊断效率，此外，在医生疲劳或者计数过程被打断时，可能会出现椎骨计数错误和编号错位的情况，严重影响诊断的准确性，甚至可能导致医疗事故的发生。34.随着机器视觉技术的发展，部分椎骨编号方案借助图像处理技术直接识别扫描图像中的脊柱和椎骨图像，然后对椎骨进行编号。但是扫描图像中的脊柱较长，且部分区域内的相邻椎骨形状较为接近，因此检测难度较大，容易发生椎骨的误识别，导致椎骨编号错位等，椎骨编号的准确度较低。35.基于此，本方案提出了一种椎骨编号方法，用以为患者的扫描图像进行自动椎骨编号，提高椎骨编号的准确度。36.在本实施例中提供了一种椎骨编号方法，图2是本实施例的椎骨编号方法的流程图，如图2所示，该流程包括如下步骤：37.步骤s201，获取目标对象预设扫描区域的第一检测图像和第二检测图像。38.具体地，通过医学影像设备获取目标对象的扫描图像。该医学成像设备包括但不限于正电子发射型计算机断层显像设备、电子计算机断层扫描设备、x射线扫描仪等。目标对象包括但不限于人体、动物等。预设扫描区域主要指目标对象的脊椎区域，以人体为例，预设扫描区域主要指人体的上半身区域。第一检测图像和第二检测图像可以为不同的医学成像设备，优选的，第一检测图像为ct扫描采集的ct图像，第二检测图像为pet扫描采集的pet图像。39.步骤s202，将所述第一检测图像输入图像分割模型，确定多个目标部位区域，每个所述目标部位区域包括多块椎骨。40.具体地，图像分割模型是用于对扫描图像进行区域分割的算法模型。优选的，图像分割模型可以选用机器学习模型、深度学习模型或卷积神经网络等，这些模型经过海量带标注的扫描图片进行训练后，即能够识别感兴趣区域，对目标对象的第一检测图像进行区域识别和分割。当第一检测图像输入图像分割模型后，图像分割模型能根据图像特征确定第一检测图像中各个区域对应的目标对象的身体部位，如颈部区域、胸部区域、腹部区域或者胸腹部区域等，每个目标部位区域都包括相应数量的椎骨，对这些区域进行图像分割，确定与患者身体部位对应的目标部位区域的图像。41.步骤s203，根据所述目标部位区域确定所述第一检测图像上目标部位的第一位置信息。42.具体地，根据图像分割模型识别出第一检测图像上的目标部位区域后，可在第一检测图像的对应区域的位置添加标记，例如，将目标对象的上半身的ct扫描图像输入图像分割模型后，图像分割模型识别出的目标部位包括颈部、胸部和腰部，对应的，根据这些目标部位在ct扫描图像上的位置，将其标注在ct扫描图像上。具体地标注位置可以根据实际需要进行调整，例如在目标部位区域的始末位置添加线段标记或者在目标部位区域的中心位置进行点位标记；能够实现目标部位区域标记的标记方式均可。43.步骤s204，根据所述第一位置信息确定所述第二检测图像上的第二位置信息，所述第二位置信息用于确定所述第二检测图像上所述目标部位。44.具体地，将第一检测图像和第二检测图像进行或标定，使得第一检测图像上的每个像素点都能与第二检测图像上的像素点相对应。在获取到目标部位区域在第一检测图像上的第一位置信息之后，基于第一检测图像与第二检测图像的映射关系，即可确定第二检测图像上目标部位区域的位置信息，即第二位置信息。45.步骤s205，根据所述第二位置信息沿预设方向对所述第二检测图像进行椎骨编号。46.具体地，确定第二位置信息后，即可确定第二检测图像中目标部位区域的位置。与目标部位相对应的，不同的部位具有确定的椎骨数量。例如当目标对象为人体时，基于先验的医学知识，人体的不同部位所对应的骨骼数量是确定的。以人体的椎骨为例，一般的，椎骨有33块，根据其在人体各部位的位置可分为7块颈椎、12块胸椎、5块腰椎、5块骶椎和4块尾椎；对于成年人，5块骶椎会愈合在一起称为1块骶骨，4块尾椎会愈合成1块尾骨。因此，基于第二位置信息，可以确定第二检测图像中的颈部区域、胸部区域以及腹部区域。相应的，可以确定该颈部区域包括7块颈椎椎骨、胸部区域包括7块胸椎椎骨、腹部区域包括7块腰椎椎骨。然后对第二检测图像进行处理，例如通过聚类算法或前背景分离算法检测出第二检测图像中的椎骨轮廓，按照预设的命名方式沿预设方向进行椎骨编号，例如按照从上到下的方向进行编号可以得到包括椎骨编号的第二检测图像。相较于现有方案直接根据人体的原始扫描图像进行椎骨编号，本实施例中先对原始扫描图像进行了初步处理，通过对目标对象身体部位的识别，将整张扫描图像分割为多组对应的目标部位图像，实现了对于不同类别椎骨的初步划分，相比整张扫描图像中需要识别出24块椎骨，本实施例中的椎骨识别方案只需要针对第二检测图像中确定的目标部位区域识别出对应数量的椎骨即可，降低了椎骨的识别难度，此外，由于相近的椎骨形状较为相似，直接基于扫描图像进行识别可能出现某块椎骨识别错误，引发连续识别错误的情况。通过图像分割模型，可以提取整个区域的椎骨特征，根据不同区域的特征进行区分。可以提高识别的准确度，降低误识别事件发生的概率。47.通过上述步骤，借助预训练的图像分割模型对原始扫描图像进行区域分割，能够根据不同检测区域的区域特征将整张原始图像进行分割，相比于现有技术中根据相邻椎骨的形状特征识别和检测，区域特征的区别更大，不容易产生误识别的情况。此外，确定第二检测图像中目标区域位置后，目标部位区域内需要识别和编号的椎骨数量，相比于整张扫描图像中的椎骨数量更少，降低了椎骨的识别难度和精度，提高了识别的准确度。48.在其中的一个实施例中，所述将所述第一检测图像输入图像分割模型之前包括：获取多组带有目标部位标注的训练图像，将所述训练图像组成训练集；基于所述训练集训练深度学习模型，得到所述图像分割模型。49.具体地，本实施例的椎骨编号方法的图像分割模型由深度学习模型训练得到。图像分割模型的预训练过程包括：获取大量的人体扫描图像，将这些人体扫描图像作为素材，通过人工标注的方法，由标注人员人工识别这些素材中各区域对应的身体部位，然后在相应的区域添加目标部位标注。目标部位标注就是这些区域对应的身体部位的名称。素材在添加了目标部位标注之后称为训练图像，将大量的训练图像组成一个训练集，将训练集输入深度学习模型，深度学习模型能够提取不同身体部位的特征，根据这些特征进行身体部位的识别，以卷积神经网络为例，卷积神经网络一般包括卷积层、池化层、全连接层，通过卷积层和池化层的特征提取后，经过全连接层输入最终识别出的目标部位区域。通过图像分割模型，可以智能识别扫描图像中的各个部位并进行区域分割，与现有技术中提取整条脊柱的图像相比，获取目标部位区域可以进一步获取目标对象不同身体部位的图像。每个目标部位区域内所要进行的图像处理操作更少，精度更高，可以提高图像识别的准确度。50.目标部位图像是根据用户定义的感兴趣区域由第一检测图像分割而来。感兴趣区域即目标部位区域，对应着目标对象的身体部位，在设置感兴趣区域时可以根据椎骨编号需求以及图像分割模型的识别精度进行调整。优选的，可以根据目标对象的身体部位进行定义。例如感兴趣区域可以是颈部区域、胸部区域和腹部区域，相应的，分割区域标注为颈部区域、胸部区域和腹部区域。将分割区域标注添加到相应的扫描图像素材中，生成训练图像。以大量的训练图像作为训练集，训练深度学习模型，得到图像分割模型。在其中的一个实施例中，图像分割模型是经过预训练的卷积神经网络。该卷积神经网络的分类模型包括但不限于以下网络：resnet、inception、mobilenet、vgg等。输入扫描图像，经过卷积层、池化层等得到特征表达，再经过softmax输出目标部位图像。51.在其中的一个实施例中，所述根据所述第二位置信息沿预设方向对所述第二检测图像进行椎骨编号包括：根据所述第二位置信息确定所述第二检测图像中所述目标部位的椎骨数量；根据所述椎骨数量对所述第二检测图像中的所述目标部位进行聚类处理，确定椎骨轮廓；根据所述第二位置信息沿所述预设方向对所述椎骨轮廓进行编号。52.具体地，根据第二位置信息确定第二检测图像中目标部位所处的区域，这些目标部位区域对应有确定数量的椎骨，参照椎骨数量与区域的对应关系进行图像聚类处理，在获取椎骨轮廓时，可以在区域内聚类出的椎骨轮廓的达到相应椎骨数量时停止，避免聚类处理时间过长出现聚类出的椎骨轮廓过少，进而导致最终椎骨标号不准确。聚类处理是运用形态学算子将临近的类似分类区域聚类并合并，也就是按照某个特定标准(如距离)把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大。具体到图像处理领域，就是通过聚类算法将第二检测图像中的每块椎骨区域划分出来，将每个椎骨区域作为一块椎骨。在其中一些实施例中，椎骨区域还可通过图像识别技术进行识别，该图像识别技术包括但不限于机器视觉技术、聚类算法以及前背景分离算法等，识别出椎骨后，根据第二检测图像中每个对应区域的椎骨数量对每块椎骨进行编号。本实施例中的椎骨编号方法，基于确定目标部位区域后的第二检测图像进行聚类处理，减少了每张图像的处理面积，增大了聚类的准确度。此外，结合图像分割模型的识别结果，基于目标部位图像与身体部位的对应关系，可以确定该目标部位图像内的椎骨数量，根据该椎骨数量可以对聚类算法起到指导作用，按照相应的椎骨数量聚类出对应的椎骨区域，提高了聚类处理的准确度。53.在其中的一个实施例中，所述根据所述目标部位区域确定所述第一检测图像上所述目标部位的第一位置信息，根据所述第一位置信息确定所述第二检测图像上的第二位置信息包括：根据所述目标部位区域在所述第一检测图像上添加第一位置标识；将所述第一检测图像与所述第二检测图像进行配准，确定所述第一检测图像与所述第二检测图像的映射关系；根据所述第一位置标识和所述映射关系在所述第二检测图像上添加第二位置标识。54.具体地，第一检测图像经过图像分割模型识别后，确定目标部位区域，根据目标部位区域的位置，在第一检测图像上添加第一位置标识。第一位置标识的形式和具体添加位置可以根据实际编号需要以及设备精度进行调整，能够实现目标部位区域的定位功能即可。例如，第一位置标识可为横线，设置在目标部位区域的顶部和底部，用以划定目标部位区域。又例如，第一位置标识可以为闭合的曲线，例如圆形或矩形，用以圈定目标部位区域。又例如，第一位置标识还可以为点位标识，设置在目标部位区域的中心位置进行目标部位区域的标示。采集第一检测图像的设备和采集第二检测图像的设备预先进行对应坐标系的标定，使第一检测图像和第二检测图像进行配准，第一检测图像上的像素点能够与第二检测图像上的像素点对应。第一检测图像输入图像分割模型，得到目标部位区域的图像后，基于目标部位区域的图像以及第一位置标识对第二检测图像进行掩膜处理，将第一位置标识映射到第二检测图像上，得到第二位置标识。例如，根据颈椎的起始位置，确定第二检测图像中颈椎的起始位置，根据颈椎的结束位置，定位第二检测图像中的颈椎的结束位置。实现了借助目标部位区域完成第二检测图像中不同椎骨编号区域定位的技术效果。55.在其中的一个实施例中，所述目标部位区域包括颈部区域、胸部区域和腹部区域，所述根据所述目标部位区域在所述第一检测图像上添加第一位置标识包括：根据所述颈部区域的颈椎起始位置或颈椎末端位置对所述第一检测图像进行位置标定，确定第一颈部位置标识；根据所述胸部区域的胸椎起始位置或胸椎末端位置对所述第一检测图像进行位置标定，确定第一胸部位置标识；根据所述腹部区域的腰椎起始位置或腰椎末端位置对所述第一检测图像进行位置标定，确定第一腹部位置标识；将所述第一颈部位置标识、第一胸部位置标识和所述第一腹部位置标识作为所述第一位置标识。56.具体地，在本实施例中将颈部区域、胸部区域以及腹部区域作为目标部位区域。将目标对象的ct扫描图像输入图像分割模型后，确定目标对象的目标颈部区域图像、胸部区域图像和腹部区域图像。根据颈部区域图像的起始位置z1或末端位置z2确定pet图像中的第一颈部位置标识；根据胸部区域图像的起始位置z3或末端位置z4确定pet图像中的第一胸部位置标识；根据腹部区域图像的起始位置z5或末端位置z6确定pet图像中的第一腹部位置标识；将第一颈部位置标识、第一胸部位置标识以及第一腹部位置标识作为第一位置标识。与第一位置标识对应的，第二位置标识包括第二颈部位置标识、第二胸部位置标识以及第二腹部位置标识。57.在其中的一个实施例中，第一位置标识对应的起始位置和末端位置指的是图像中单块椎骨的位置，例如第一颈部位置标识的位置与颈椎的第一块椎骨c1以及第七块椎骨c7的位置相对应；第一胸部位置标识的位置与胸椎的第一块椎骨t1以及第十二块椎骨t12的位置相对应；第一腹部位置标识的位置与颈椎的第一块椎骨l1以及第五块椎骨l7的位置相对应。58.在其中的一个实施例中，第一位置标识对应的位置为对应目标部位图像的起始位置和末端位置，则在本实施例中，颈部区域图像的末端位置z2可与胸部区域图像的起始位置z3相同；胸部区域图像的末端位置z4可与腹部区域图像的起始位置z5相同。59.在其中的一个实施例中，所述第二位置信息包括第二颈部位置标识、第二胸部位置标识以及第二腹部位置标识；所述根据所述第二位置信息沿预设方向对所述第二检测图像进行椎骨编号包括：根据所述第二颈部标识沿预设方向对所述第二检测图像内第一预设数量的椎骨进行编号；根据所述第二胸部位置标识沿预设方向对所述第二检测图像内的第二预设数量的椎骨进行编号；根据所述第二腹部位置标识沿预设方向对所述第二检测图像内的第三预设数量的椎骨进行编号。60.具体地，将第一检测图像与第二检测图像配准后的映射关系，参照第一位置标识可以确定第二检测图像上的第二位置标识。将第二位置标识作为第二位置信息，根据第二位置标识确定第二检测图像上各个目标部位，该目标部位包括颈部区域、胸部区域和腹部区域；根据先验医学知识可以确定颈部区域包括7块椎骨、胸部区域包括12块椎骨、腹部区域包括5块椎骨；根据各个区域明确的椎骨数据，对每个目标部位区域进行聚类处理，得到对应数量的椎骨轮廓，按照从上到下的顺序，分别对颈部区域的颈椎椎骨编号为c1至c7；对胸部区域的胸椎椎骨编号为t1至t12；对腰椎区域的腰椎编号为l1至l5，最终完成椎骨编号。61.在其中的一个实施例中，基于第一检测图像和第二检测图像识别出对应的脊柱图像。脊柱是身体的支柱，位于背部正中，上端接颅骨，下端达尾骨尖。成人脊柱由26块椎骨，包括颈椎7块、胸椎12块、腰椎5块以及骶骨1块、尾骨1块，借韧带、关节以及椎间盘连接而成。其中，骶骨由5块骶椎融合构成、尾骨由3至4块尾椎融合构成。脊柱上端承托颅骨、下联髋骨，中附肋骨，并作为胸廓、腹腔和盆腔的后壁。脊柱具有支持躯干、保护内脏、保护脊髓和进行运动的功能。脊柱内部自上而下形成一条纵行的脊管，内有脊髓。脊柱不等于脊椎或脊椎骨，脊柱是由多块脊椎组成的。通过图像分割模型，可以得到目标对象的整根脊柱图像，以及与脊柱各部分对应的目标部位轮廓，如颈椎轮廓、胸椎轮廓和腰椎轮廓等。基于第二位置标识可对第二检测图像对应的脊柱图像进行分段，由于颈椎区域椎骨数量为7块、胸椎区域的椎骨数量为12块、腰椎的椎骨数量为5块，可以对脊柱图像按从上到下的方向进行编号，根据第一位置标识将颈椎的椎骨标记为c1至c7；根据第二位置标志将胸椎的椎骨标记为t1至t12，根据第三位置标识将腰椎的椎骨标记为l1至l5。在脊柱图像上进行最终的椎骨编号，可以体现编号的完整性，在ct/pet图像重建时，可能将椎骨编号直接完整的显示在目标对象脊柱上，显示效果更加直观，便于用户和目标对象观看。62.在本实施例中还提供了一种椎骨编号方法，图3是根据本技术另一实施例的椎体编号方法的示意图，如图3所示，通过医学影像设备采集目标对象的身体数据，通过ct重建过程生成目标对象的扫描图像；加载图像分割模型，基于扫描图像分割出脊柱图像、颈部图像、胸部图像以及腹部图像，根据颈部起始位置z1和末端位置z2，胸部末端位置z3以及腹部末端位置z4对脊柱图像进行分段，在每段图像内通过聚类算法识别椎骨图像，最后按照从上到下的方向对脊柱图像进行编号，得到椎骨编号结果并保存。63.通过本技术实施例的椎骨编号方法，可以在图像产生时期基于采集的目标对象扫描图像自动进行人体椎骨编号。并且，该椎骨编号方法借助预训练的图像分割模型，没有直接对脊柱图像进行编号，而是根据图像分割模型识别出的人体部位，先将脊柱分为颈部、胸部和腹部三个区域。根据颈部起始位置z1和末端位置z2，胸部末端位置z3以及腹部末端位置z4对脊柱图像进行分段。通过聚类算法确定每段图像内的椎骨图像，再对椎骨进行标号。此外，在显示界面加载该带有椎骨编号的脊柱图像时，还可设置编号调整功能，方便医生修改和确认，在提供良好交互体验的同时，进一步提高椎骨编号的准确度。64.需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。65.在本实施例中还提供了一种椎骨编号装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。以下所使用的术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管在以下实施例中所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。66.图4是本实施例的椎骨编号装置的结构框图，如图4所示，该装置包括：67.获取模块10，用于获取目标对象预设扫描区域的第一检测图像和第二检测图像；68.分割模块20，用于将所述第一检测图像输入图像分割模型，得到多个目标部位区域，每个所述目标部位区域包括多块椎骨；69.第一计算模块30，用于根据所述目标部位区域确定所述第一检测图像上目标部位的第一位置信息；70.第二计算模块40，用于根据所述第一位置信息确定所述第二检测图像上的第二位置信息，所述第二位置信息用于确定所述第二检测图像上所述目标部位。71.编号模块50，用于根据所述第二位置信息沿预设方向对所述第二检测图像进行椎骨编号。72.获取模块10，还用于获取ct图像作为第一检测图像，获取pet图像作为第二检测图像。73.分割模块20，还用于获取多组带有目标部位标注的训练图像，将所述训练图像组成训练集；基于所述训练集训练深度学习模型，得到所述图像分割模型。74.编号模块50，还用于根据所述第二位置信息确定所述第二检测图像中所述目标部位的椎骨数量；根据所述椎骨数量对所述第二检测图像中的所述目标部位进行聚类处理，确定椎骨轮廓；根据所述第二位置信息沿所述预设方向对所述椎骨轮廓进行编号。75.第二计算模块40，还用于根据所述目标部位区域在所述第一检测图像上添加第一位置标识；将所述第一检测图像与所述第二检测图像进行配准，确定所述第一检测图像与所述第二检测图像的映射关系；根据所述第一位置标识和所述映射关系在所述第二检测图像上添加第二位置标识。76.第一计算模块30，还用于根据所述颈部区域的颈椎起始位置或颈椎末端位置对所述第一检测图像进行位置标定，确定第一颈部位置标识；根据所述胸部区域的胸椎起始位置或胸椎末端位置对所述第一检测图像进行位置标定，确定第一胸部位置标识；根据所述腹部区域的腰椎起始位置或腰椎末端位置对所述第一检测图像进行位置标定，确定第一腹部位置标识；将所述第一颈部位置标识、第一胸部位置标识和所述第一腹部位置标识作为所述第一位置标识。77.第二计算模块40，还用于获取第二位置信息，所述第二位置信息包括第二颈部位置标识、第二胸部位置标识以及第二腹部位置标识，根据所述第二颈部标识沿预设方向对所述第二检测图像内第一预设数量的椎骨进行编号；根据所述第二胸部位置标识沿预设方向对所述第二检测图像内的第二预设数量的椎骨进行编号；根据所述第二腹部位置标识沿预设方向对所述第二检测图像内的第三预设数量的椎骨进行编号。78.需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。79.在本实施例中还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。80.可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。81.可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：82.s1，获取目标对象预设扫描区域的第一检测图像和第二检测图像。83.s2，将所述第一检测图像输入图像分割模型，确定多个目标部位区域，每个所述目标部位区域包括多块椎骨。84.s3，根据所述目标部位区域确定所述第一检测图像上目标部位的第一位置信息；85.s4，根据所述第一位置信息确定所述第二检测图像上的第二位置信息；所述第二位置信息用于确定所述第二检测图像上所述目标部位。86.s5，根据所述第二位置信息沿预设方向对所述第二检测图像进行椎骨编号。87.需要说明的是，在本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，在本实施例中不再赘述。88.此外，结合上述实施例中提供的椎骨编号方法，在本实施例中还可以提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意一种椎骨编号方法。89.应该明白的是，这里描述的具体实施例只是用来解释这个应用，而不是用来对它进行限定。根据本技术提供的实施例，本领域普通技术人员在不进行创造性劳动的情况下得到的所有其它实施例，均属本技术保护范围。90.显然，附图只是本技术的一些例子或实施例，对本领域的普通技术人员来说，也可以根据这些附图将本技术适用于其他类似情况，但无需付出创造性劳动。另外，可以理解的是，尽管在此开发过程中所做的工作可能是复杂和漫长的，但是，对于本领域的普通技术人员来说，根据本技术披露的技术内容进行的某些设计、制造或生产等更改仅是常规的技术手段，不应被视为本技术公开的内容不足。91.需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。[0092]“实施例”一词在本技术中指的是结合实施例描述的具体特征、结构或特性可以包括在本技术的至少一个实施例中。该短语出现在说明书中的各个位置并不一定意味着相同的实施例，也不意味着与其它实施例相互排斥而具有独立性或可供选择。本领域的普通技术人员能够清楚或隐含地理解的是，本技术中描述的实施例在没有冲突的情况下，可以与其它实施例结合。[0093]以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对专利保护范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!