基于3D视觉的人体颈动脉定位方法及装置

技术领域

本公开涉及智慧医疗技术领域，尤其涉及一种基于3D视觉的人体颈动脉定位方法及装置。

背景技术

在磁共振成像(MR)系统或计算机断层扫描成像(CT)系统等医学影像系统中，有时需要配合使用3D相机来进行辅助信息如病人的体位信息等的采集。3D相机的摄像头通常由一个二维彩色(RGB)摄像头和一个深度摄像头组成。

在安装3D相机时，通常需要将3D相机安装于病床的正上方以探测病床和病床上的病人，从而最大程度获得病人的相关状态和信息。

发明内容

本公开的目的在于提出一种基于3D视觉的人体颈动脉定位方法及装置，基于3D视觉的人体颈动脉定位方法，用于颈动脉的机器人超声扫查。

本公开第一方面提供了一种基于3D视觉的人体颈动脉定位方法，包括：

获取超声图像数据；

利用深度学习检测超声图像数据，生成人体特定位置特征点参数；

根据人体特定位置特征点参数，采用径向基函数确定颈动脉的投影位置；

将颈动脉在超声图像中的位置投影到颈部表面，以指导自主超声扫查。

本公开第二方面提供了一种基于3D视觉的人体颈动脉定位装置，包括：

获取模块，获取超声图像数据；

生成模块，利用深度学习检测超声图像数据，生成人体特定位置特征点参数；

确定模块，根据人体特定位置特征点参数，采用径向基函数确定颈动脉的投影位置；

指导模块，将颈动脉在超声图像中的位置投影到颈部表面，以指导自主超声扫查。

本公开第三方面提供了一种电子设备，包括：存储器以及一个或多个处理器；

所述存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如任意实施例提供的基于3D视觉的人体颈动脉定位方法。

本公开第四方面提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器实现如任意实施例提供的基于3D视觉的人体颈动脉定位方法。

本公开提供一种基于3D视觉的人体颈动脉定位方法及装置，从3D相机拍摄到的面部和颈部图像中识别特征，并根据这些特征对颈动脉的投影位置进行建模，该投影位置可以用作机器人自主超声扫查的初始规划路径，指导自动化颈动脉自主超声扫查。

附图说明

图1为本公开实施例中的基于3D视觉的人体颈动脉定位方法的流程图；

图2为本公开实施例中的基于3D视觉的人体颈动脉定位方法的另一流程图；

图3为本公开实施例中的基于3D视觉的人体颈动脉定位方法的另一流程图；

图4为图1中的特征点示意图；

图5为本公开实施例中的基于3D视觉的人体颈动脉定位装置的示意图；

图6为本公开实施例中的基于3D视觉的人体颈动脉定位装置的示意图；

图7为本公开实施例提供的一种电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

由于3D相机无法直接感知动脉血管，需要从3D相机拍摄到的面部和颈部图像中识别特征，并根据这些特征对颈动脉的投影位置进行建模，该投影位置可以用作机器人自主超声扫查的初始规划路径，指导自动化颈动脉自主超声扫查。该方法包含特征识别以及投影位置建模两个阶段。

如图1所示，本公开实施例提供了一种基于3D视觉的人体颈动脉定位方法，包括：

S101、获取超声图像数据；

所述超声图像数据包括：对齐的彩色图数据和深度图数据；

所述获取超声图像数据包括：利用3D相机拍照获取对齐的彩色图数据和深度图数据。

本公开实施例中采用固定安装的3D相机，拍摄完整的人体面部和颈部区域的RGB-D彩色图和深度图，并从中计算颈动脉在颈部表面的投影位置。

S102、利用深度学习检测超声图像数据，生成人体特定位置特征点参数，本公开实施例中所述人体特定位置包括：左下颚轮廓、右下颚轮廓、左颈部轮廓和右颈部轮廓中的至少一种。

如图2和4所示，利用深度学习检测超声图像数据，生成人体特定位置特征点参数包括：

S201、利用深度学习检测左下颚轮廓、右下颚轮廓、左颈部轮廓和右颈部轮廓的特征点，生成对应的拟合曲线；

S202、根据设定的采样数目对每一条拟合后曲线进行均匀采样；

S203、根据所述采样数目，计算特征点参数，对i从0到N-1,根据下式计算对应的采样点坐标，完成采样；所述特征点参数包括：采样步长和采样点坐标；

x

y

S204、根据所述特征点参数采用拉格朗日插值法，将提取到的特征点进行曲线拟合，生成对应的拟合曲线；或者，

S205、若上述S201步骤中未能成功提取到左下颚轮廓、右下颚轮廓、左颈部轮廓和右颈部轮廓四条曲线中的某一条，则将提取失败的曲线上的采样点坐标全部记为预设数值。例如，若头部存在较大角度偏转，则会导致部分曲线上的特征点提取失败的情况，提取失败的曲线上的采样点坐标全部记为(-1,-1)。

所述采用拉格朗日插值法，提取到的特征点进行曲线拟合，生成对应的拟合曲线采用下式：

其中，L(x)表示拟合曲线的解析表达式，l

点的数目。

S103、根据人体特定位置特征点参数，采用径向基函数确定颈动脉的投影位置；

S104、将颈动脉在超声图像中的位置投影到颈部表面，以指导自主超声扫查。

所述根据颈动脉的投影到颈部表面，以指导自主超声扫查采用下式：

其中，u,v是图片投影位置点的横纵坐标，D为深度图数据，其中f

如图3所示，所述根据人体特定位置特征点参数，采用径向基函数确定颈动脉的投影位置包括：

S301、根据人体特定位置特征点参数，计算颈动脉在彩色图上的投影位置概率分布；

其中F表示的是特征点集，n是特征点的数目，μ

S302、根据所述投影位置概率分布，(或者利用极大似然估计模型预先计算得到模型的参数并存储)，具体地，预先采集和标注训练数据{X

S303、根据人体特定位置特征点参数和所述预先构建的极大似然估计模型的参数，提取出概率达到设定阈值的区域和预设区域，以得到颈动脉在彩色图上的中的投影位置。

由上可见，本公开提供一种基于3D视觉的人体颈动脉定位方法，基于面部和颈部的特征对颈动脉的位置进行建模，克服了3D相机无法直接感知颈动脉的缺陷，避免了自主超声扫查前人工规划路径和搜索的过程，实现了全流程的自动化。

如图5和6所示，本公开实施例中的基于3D视觉的人体颈动脉定位装置600包括：

获取模块601，用于获取超声图像数据；

生成模块602，用于利用深度学习检测超声图像数据，生成人体特定位置特征点参数；

确定模块603，用于根据人体特定位置特征点参数，采用径向基函数确定颈动脉的投影位置；

指导模块604，用于将颈动脉在超声图像中的位置投影到颈部表面，以指导自主超声扫查。

所述超声图像数据包括：对齐的彩色图数据和深度图数据；

获取模块601用于利用3D相机拍照获取对齐的彩色图数据和深度图数据。

所述人体特定位置包括：左下颚轮廓、右下颚轮廓、左颈部轮廓和右颈部轮廓中的至少一种；

生成模块602用于利用深度学习检测左下颚轮廓、右下颚轮廓、左颈部轮廓和右颈部轮廓的特征点，生成对应的拟合曲线；

根据设定的采样数目对每一条拟合后曲线进行均匀采样；

根据所述采样数目，计算特征点参数，完成采样；所述特征点参数包括：采样步长和采样点坐标；

根据所述特征点参数采用拉格朗日插值法，将提取到的特征点进行曲线拟合，生成对应的拟合曲线。

所述采用拉格朗日插值法，提取到的特征点进行曲线拟合，生成对应的拟合曲线采用下式：

其中，L(x)表示拟合曲线的解析表达式，li(x)是表达式L(x)中的一项，(x

确定模块603用于根据人体特定位置特征点参数，计算颈动脉在彩色图上的投影位置概率分布；

根据所述投影位置概率分布，计算得到预先构建的极大似然估计模型的参数；

根据人体特定位置特征点参数和所述预先构建的极大似然估计模型的参数，提取出概率达到设定阈值的区域和预设区域，以得到颈动脉在彩色图上的中的投影位置。

确定模块603用于若提取出的概率没有达到设定阈值的区域和/或不在预设区域，则将提取失败的曲线上的采样点坐标全部记为预设数值。

所述根据颈动脉的投影到颈部表面，以指导自主超声扫查采用下式：

其中，u,v是图片投影位置点的横纵坐标，D为深度图数据，其中f

本公开实施例所提供的基于3D视觉的人体颈动脉定位装置可执行本发明任意实施例所提供的基于3D视觉的人体颈动脉定位方法，具备执行方法相应的功能模块和有益效果。

图7是本公开实施例提供的电子设备的示意图。如图7所示，该实施例的电子设备包括：处理器701、存储器702以及存储在该存储器702中并可在处理器701上运行的计算机程序703。处理器701执行计算机程序703时实现上述各个方法实施例中的步骤。或者，处理器701执行计算机程序703时实现上述各装置实施例中各模块/单元的功能。

示例性地，计算机程序703可以被分割成一个或多个模块/单元，一个或多个模块/单元被存储在存储器702中，并由处理器701执行，以完成本公开。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序703在电子设备中的执行过程。

电子设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子设备。电子设备可以包括但不仅限于处理器701和存储器702。本领域技术人员可以理解，图7仅仅是电子设备的示例，并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如，电子设备还可以包括输入输出设备、网络接入设备、总线等。

处理器701可以是中央处理单元(Central Processing Unit，CPU)，也可以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable GateArray，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器702可以是电子设备的内部存储单元，例如，电子设备的硬盘或内存。存储器702也可以是电子设备的外部存储设备，例如，电子设备上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，存储器702还可以既包括电子设备的内部存储单元也包括外部存储设备。存储器702用于存储计算机程序以及电子设备所需的其它程序和数据。存储器702还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本公开的范围。

在本公开所提供的实施例中，应该理解到，所揭露的装置/电子设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/电子设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本公开实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可以存储在计算机可读存储介质中，该计算机程序在被处理器执行时，可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如，在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本公开各实施例技术方案的精神和范围，均应包含在本公开的保护范围之内。