呼吸校正方法、计算机设备和存储介质与流程

1.本技术涉及医学图像技术领域，特别是涉及一种呼吸校正方法、计算机设备和存储介质。


背景技术：

2.在肺结节及肺癌的检查与诊断中，肺部随访扫描是一种常见的检查手段。医生通过间隔时间的影像学检查，如电子计算机断层扫描(computed tomography,ct)、磁共振成像(magnetic resonance imaging,mri)等，可以掌握病灶随时间的变化情况。
3.传统技术中，一般采用配准的方法得到两个不同时间点图像空间位置的一一对应关系，从而计算不同时间点的肺结节匹配关系，以及横断面的同步关联关系，掌握病灶随时间的变化情况。然而，在不同时间点的检查，由于无法保证病人在扫描时都处在同一呼吸状态，可能导致当前检查和历史检查的肺部解剖结构相差较远，影响前后同一病灶位置的识别以及获取的肺结节横断面的同步关联关系的准确度。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够解决传统技术中当前检查和历史检查的肺部解剖结构相差较远，影响前后同一病灶位置的识别以及获取的肺结节横断面的同步关联关系的准确度的呼吸校正方法、计算机设备和存储介质。
5.第一方面，本技术提供了一种呼吸校正方法，所述方法包括：
6.获取第一医学图像和第二医学图像；所述第一医学图像和所述第二医学图像为同一用户不同时刻的肺部扫描图像；
7.在同一坐标系下，根据所述第一医学图像各层横断面上肺叶的体积获取所述第一医学图像中肺叶从肺尖到肺根的累计体积占比变化，以及根据所述第二医学图像各层横断面上肺叶的体积获取所述第二医学图像中肺叶从肺尖到肺根的累计体积占比变化；
8.根据所述第一医学图像中肺叶从肺尖到肺根的累计体积占比变化和所述第二医学图像中肺叶从肺尖到肺根的累计体积占比变化，对目标医学图像进行呼吸校正，得到校正后的医学图像；其中，所述目标医学图像为所述第一医学图像或所述第二医学图像。
9.在其中一个实施例中，所述根据所述第一医学图像中肺叶从肺尖到肺根的累计体积占比变化和所述第二医学图像中肺叶从肺尖到肺根的累计体积占比变化，对目标医学图像进行呼吸校正，得到校正后的医学图像，包括：
10.根据所述第一医学图像中肺叶从肺尖到肺根的累计体积占比变化和所述第二医学图像中肺叶从肺尖到肺根的累计体积占比变化，获取所述目标医学图像中横断面的位置的变化；
11.根据所述目标医学图像中横断面的位置的变化，对所述目标医学图像进行呼吸校正，得到校正后的医学图像。
12.在其中一个实施例中，若所述目标医学图像为所述第一医学图像；所述根据所述
目标医学图像中横断面的位置的变化，对所述目标医学图像进行呼吸校正，得到校正后的医学图像，包括：
13.将所述目标医学图像的横断面中与所述第二医学图像的横断面中累计体积占比相同的层的坐标调整一致，得到所述校正后的医学图像。
14.在其中一个实施例中，所述方法还包括：
15.对第一初始医学图像和所述第二医学图像进行配准，得到仿射变换矩阵；
16.利用所述仿射变换矩阵将所述第一初始医学图像变换至所述第二医学图像所在的坐标系，得到所述第一医学图像。
17.在其中一个实施例中，所述方法还包括：
18.分别对所述第一原始医学图像和第二原始医学图像进行肺分割，得到所述第一初始医学图像和所述第二医学图像。
19.在其中一个实施例中，若所述目标医学图像为所述第一医学图像，所述方法还包括：
20.根据所述校正后的医学图像中结节的坐标和所述第二医学图像中结节的坐标，获取所述校正后的医学图像中的结节与所述第二医学图像中的结节间的距离值；
21.对所述距离值中的最小距离值对应的结节进行结节匹配，得到匹配结果。
22.在其中一个实施例中，若所述目标医学图像为所述第一医学图像，所述方法还包括：
23.对所述校正后的医学图像和所述第二医学图像相对应的横断面进行图像关联，得到关联结果。
24.在其中一个实施例中，所述第一医学图像和所述第二医学图像均为电子计算机断层扫描(computed tomography,ct)图像，或者，所述第一医学图像和所述第二医学图像均为磁共振(magnetic resonance imaging,mri)图像。
25.第二方面，本技术还提供了一种呼吸校正装置，所述装置包括：
26.第一获取模块，用于获取第一医学图像和第二医学图像；所述第一医学图像和所述第二医学图像为同一用户不同时刻的肺部扫描图像；
27.第二获取模块，用于在同一坐标系下，根据所述第一医学图像各层横断面上肺叶的体积获取所述第一医学图像中肺叶从肺尖到肺根的累计体积占比变化，以及根据所述第二医学图像各层横断面上肺叶的体积获取所述第二医学图像中肺叶从肺尖到肺根的累计体积占比变化；
28.校正模块，用于根据所述第一医学图像中肺叶从肺尖到肺根的累计体积占比变化和所述第二医学图像中肺叶从肺尖到肺根的累计体积占比变化，对目标医学图像进行呼吸校正，得到校正后的医学图像；其中，所述目标医学图像为所述第一医学图像或所述第二医学图像。
29.第三方面，本技术还提供了一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
30.获取第一医学图像和第二医学图像；所述第一医学图像和所述第二医学图像为同一用户不同时刻的肺部扫描图像；
31.在同一坐标系下，根据所述第一医学图像各层横断面上肺叶的体积获取所述第一
医学图像中肺叶从肺尖到肺根的累计体积占比变化，以及根据所述第二医学图像各层横断面上肺叶的体积获取所述第二医学图像中肺叶从肺尖到肺根的累计体积占比变化；
32.根据所述第一医学图像中肺叶从肺尖到肺根的累计体积占比变化和所述第二医学图像中肺叶从肺尖到肺根的累计体积占比变化，对目标医学图像进行呼吸校正，得到校正后的医学图像；其中，所述目标医学图像为所述第一医学图像或所述第二医学图像。
33.第四方面，本技术还提供了一种计算机可读存储介质，所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
34.获取第一医学图像和第二医学图像；所述第一医学图像和所述第二医学图像为同一用户不同时刻的肺部扫描图像；
35.在同一坐标系下，根据所述第一医学图像各层横断面上肺叶的体积获取所述第一医学图像中肺叶从肺尖到肺根的累计体积占比变化，以及根据所述第二医学图像各层横断面上肺叶的体积获取所述第二医学图像中肺叶从肺尖到肺根的累计体积占比变化；
36.根据所述第一医学图像中肺叶从肺尖到肺根的累计体积占比变化和所述第二医学图像中肺叶从肺尖到肺根的累计体积占比变化，对目标医学图像进行呼吸校正，得到校正后的医学图像；其中，所述目标医学图像为所述第一医学图像或所述第二医学图像。
37.第五方面，本技术还提供了一种计算机程序产品，所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
38.获取第一医学图像和第二医学图像；所述第一医学图像和所述第二医学图像为同一用户不同时刻的肺部扫描图像；
39.在同一坐标系下，根据所述第一医学图像各层横断面上肺叶的体积获取所述第一医学图像中肺叶从肺尖到肺根的累计体积占比变化，以及根据所述第二医学图像各层横断面上肺叶的体积获取所述第二医学图像中肺叶从肺尖到肺根的累计体积占比变化；
40.根据所述第一医学图像中肺叶从肺尖到肺根的累计体积占比变化和所述第二医学图像中肺叶从肺尖到肺根的累计体积占比变化，对目标医学图像进行呼吸校正，得到校正后的医学图像；其中，所述目标医学图像为所述第一医学图像或所述第二医学图像。
41.上述呼吸校正方法、计算机设备和存储介质，通过获取同一用户不同时刻的肺部扫描的第一医学图像和第二医学图像，能够在同一坐标系下，根据第一医学图像各层横断面上肺叶的体积获取第一医学图像中肺叶从肺尖到肺根的累计体积占比变化，以及根据第二医学图像各层横断面上肺叶的体积获取第二医学图像中肺叶从肺尖到肺根的累计体积占比变化，从而可以根据第一医学图像中肺叶从肺尖到肺根的累计体积占比变化和第二医学图像中肺叶从肺尖到肺根的累计体积占比变化，对第一医学图像或第二医学图像进行呼吸校正，减小第一医学图像和第二医学图像中肺部解剖结构的差异，从而提高对第一医学图像和第二医学图像中同一病灶位置的识别准确度以及提高获取第一医学图像和第二医学图像的肺结节横断面的同步关联关系的准确度。
附图说明
42.图1为一个实施例中呼吸校正方法的应用环境图；
43.图2为一个实施例中呼吸校正方法的流程示意图；
44.图3为一个实施例中不同时刻的肺部扫描图像对比示意图；
45.图4为另一个实施例中呼吸校正方法的流程示意图；
46.图5为另一个实施例中呼吸校正方法的流程示意图；
47.图6为另一个实施例中呼吸校正方法的流程示意图；
48.图7为一个实施例中呼吸校正前后的匹配当前扫描图像和历史扫描图像横断位对应层面的对比示意图；
49.图8为一个实施例中呼吸校正装置的结构框图。
具体实施方式
50.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
51.本技术实施例提供的呼吸校正方法，可以适用于如图1所示的计算机设备。该计算机设备包括通过系统总线连接的处理器、存储器，该存储器中存储有计算机程序，处理器执行该计算机程序时可以执行下述方法实施例的步骤。可选的，该计算机设备还可以包括网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器，该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。可选的，该计算机设备可以是服务器，可以是个人计算机，还可以是个人数字助理，还可以是其他的终端设备，例如平板电脑、手机等等，还可以是云端或者远程服务器，本技术实施例对计算机设备的具体形式并不做限定。
52.传统技术中，一般采用配准的方法得到两个不同时间点图像空间位置的一一对应关系，从而计算不同时间点的肺结节匹配关系，以及横断面的同步关联关系，掌握病灶随时间的变化情况。通常，配准的方法分为刚性配准和柔性配准，对于前后呼吸形变较大的图像，由于肺部本身体积就有伸缩作用，而刚性配准假设物体大小和形状是不变的，所以刚性配准无法适用于肺部的呼吸校正，会造成呼吸形变较大的区域配准失败；但是将柔性配准技术应用于这种随访图像时，由于柔性配准需要得到图像每个体素点的一一对应关系，算法复杂度较高，算法计算时间较长，无法满足实时性需求。此外，在对肺部随访图像进行同步翻阅时只是对横断面进行配准，即仅需要在解剖的横断面方向配准，而不需要其他方向，因此柔性配准也并不完全适用于呼吸矫正。因此，本技术提出一种呼吸校正方法、计算机设备和存储介质，以用于解决传统技术中当前检查和历史检查的肺部解剖结构相差较远，影响前后同一病灶位置的识别以及获取的肺结节横断面的同步关联关系的准确度的问题。
53.在一个实施例中，如图2所示，提供了一种呼吸校正方法，以该方法应用于图1中的计算机设备为例进行说明，包括以下步骤：
54.s201，获取第一医学图像和第二医学图像；第一医学图像和第二医学图像为同一用户不同时刻的肺部扫描图像。
55.其中，第一医学图像和第二医学图像为同一用户不同时刻的肺部扫描图像，可选的，第一医学图像可以为当前扫描图像，第二医学图像为历史扫描图像；或者，第一医学图像可以为历史扫描图像，第二医学图像为当前扫描图像。可选的，第一医学图像和第二医学
图像可以均为电子计算机断层扫描(computed tomography,ct)图像，或者，第一医学图像和第二医学图像可以均为磁共振(magnetic resonance imaging,mri)图像。可选的，计算机设备可以从扫描设备中实时获取上述第一医学图像和第二医学图像，或者，计算机设备也可以从pacs(picture archiving and communication systems，影像归档和通信系统)服务器中获取第一医学图像和第二医学图像。可选的，在本实施例中，第一医学图像和第二医学图像的肺部解剖结构可以较为接近，也可以由于呼吸运动的影响，使得第一医学图像和第二医学图像的肺部解剖结构差异较大。
56.需要说明的是，本实施例中的第一医学图像和第二医学图像为同一坐标系下的图像，例如，第一医学图像和第二医学图像可以均为世界坐标系下的图像，或者，第一医学图像和第二医学图像可以均为体素坐标系下的图像。另外，需要说明的是，本实施例中的第一医学图像和第二医学图像为肺部的分割图像，也就是说，第一医学图像和第二医学图像中只包括肺部区域。
57.示例性地，请参见图3，图3中以肺段为肺分割结果，其中，图3中左侧图像为历史扫描图像，右侧图像为当前扫描图像，由图3可以看出，历史扫描图像处于呼气状态，肺部缩小，而当前扫描图像相对处于吸气状态，肺部伸展大。
58.s202，在同一坐标系下，根据第一医学图像各层横断面上肺叶的体积获取第一医学图像中肺叶从肺尖到肺根的累计体积占比变化，以及根据第二医学图像各层横断面上肺叶的体积获取第二医学图像中肺叶从肺尖到肺根的累计体积占比变化。
59.示例性地，计算机设备可以以医学图像中肺叶从肺尖到肺根的横断面变化为横轴，以医学图像中肺叶从肺尖到肺根的累计体积占比为纵轴绘制曲线，得到医学图像中肺叶从肺尖到肺根的累计体积占比变化。
60.可以理解的是，肺包括左肺和右肺，则在本实施例中，计算机设备获取的医学图像中肺叶从肺尖到肺根的累计体积占比变化包括医学图像中左肺叶从肺尖到肺根的累计体积占比变化和医学图像中右肺叶从肺尖到肺根的累计体积占比变化。
61.可选的，在本实施例中，计算机设备可以在同一坐标系下，例如，在世界坐标系下，根据第一医学图像各层横断面上肺叶的体积占肺叶总体积的占比，获取第一医学图像中肺叶从肺尖到肺根的累计体积占比变化，示例性地，以第一医学图像包括10层横断面为例，计算机设备可以先获取从肺尖到肺根第一层横断面上肺叶的体积，第二层横断面上肺叶的体积
……
第十层横断面上肺叶的体积，将第一层横断面上肺叶的体积除以肺叶的总体积得到第一层横断面上肺叶的累计体积占比，将第一层横断面上肺叶的体积累计到第二层横断面上肺叶的体积再除以肺叶的总体积得到第二层横断面上肺叶的累计体积占比，将第一层横断面上肺叶的体积和第二层横断面上肺叶的体积累计到第三层横断面上肺叶的体积再除以肺叶的总体积得到第三层横断面上肺叶的体积占比，以此类推，得到第一医学图像10层横断面中肺叶从肺尖到肺根的累计体积占比变化。同样地，采用相同的原理，根据第二医学图像各层横断面上肺叶的体积，得到第二医学图像中肺叶从肺尖到肺根的累计体积占比变化。
62.s203，根据第一医学图像中肺叶从肺尖到肺根的累计体积占比变化和第二医学图像中肺叶从肺尖到肺根的累计体积占比变化，对目标医学图像进行呼吸校正，得到校正后的医学图像；其中，目标医学图像为第一医学图像或第二医学图像。
63.可选的，计算机设备可以根据第一医学图像中肺叶从肺尖到肺根的累计体积占比变化和第二医学图像中肺叶从肺尖到肺根的累计体积占比变化，确定出第一医学图像与第二医学图像中肺叶体积占比不同的区域，进而对第一医学图像或者第二医学图像体积占比不同的区域进行呼吸校正，得到校正后的医学图像。或者，计算机设备可以根据第一医学图像中肺叶从肺尖到肺根的累计体积占比变化对第二医学图像中肺叶从肺尖到肺根的累计体积占比变化进行调整，使第二医学图像中肺叶从肺尖到肺根的累计体积占比变化与第一医学图像中肺叶从肺尖到肺根的累计体积占比变化一致，得到校正后的医学图像。
64.上述呼吸校正方法中，通过获取同一用户不同时刻的肺部扫描的第一医学图像和第二医学图像，能够在同一坐标系下，根据第一医学图像各层横断面上肺叶的体积获取第一医学图像中肺叶从肺尖到肺根的累计体积占比变化，以及根据第二医学图像各层横断面上肺叶的体积获取第二医学图像中肺叶从肺尖到肺根的累计体积占比变化，从而可以根据第一医学图像中肺叶从肺尖到肺根的累计体积占比变化和第二医学图像中肺叶从肺尖到肺根的累计体积占比变化，对第一医学图像或第二医学图像进行呼吸校正，减小第一医学图像和第二医学图像中肺部解剖结构的差异，从而提高对第一医学图像和第二医学图像中同一病灶位置的识别准确度以及提高获取第一医学图像和第二医学图像的肺结节横断面的同步关联关系的准确度。
65.在上述根据第一医学图像中肺叶从肺尖到肺根的累计体积占比变化和第二医学图像中肺叶从肺尖到肺根的累计体积占比变化，对目标医学图像进行呼吸校正的场景中，计算机设备可以根据目标医学图像中横断面的位置的变化对目标医学图像进行呼吸校正。在一个实施例中，如图4所示，上述s203，包括：
66.s301，根据第一医学图像中肺叶从肺尖到肺根的累计体积占比变化和第二医学图像中肺叶从肺尖到肺根的累计体积占比变化，获取目标医学图像中横断面的位置的变化。
67.示例性地，以目标医学图像为第一医学图像为例，则计算机设备可以根据第一医学图像中肺叶从肺尖到肺根的累计体积占比变化和第二医学图像中肺叶从肺尖到肺根的累计体积占比变化，获取第一医学图像中横断面的位置的变化。可选的，计算机设备可以假设第一医学图像中肺叶从肺尖到肺根的累计体积占比和第二医学图像中肺叶从肺尖到肺根的累计体积占比中的前3％和后97％的累计体积占比是相同的，计算机设备可以根据第一医学图像中肺叶从肺尖到肺根的累计体积占比变化和第二医学图像中肺叶从肺尖到肺根的累计体积占比变化中3％到97％之间的累计体积占比变化的差距，确定第一医学图像中横断面的位置的变化。
68.s302，根据目标医学图像中横断面的位置的变化，对目标医学图像进行呼吸校正，得到校正后的医学图像。
69.可选的，计算机设备可以根据目标医学图像中横断面的位置的变化，对目标医学图像的横断面中的体积占比进行调整，得到校正后的医学图像。可选的，若目标医学图像为上述第一医学图像，则计算机设备可以根据目标医学图像中横断面的位置的变化，将第一医学图像的横断面中与第二医学图像的横断面中累计体积占比相同的层的坐标调整一致，对调整后的断层图像进行重建，得到校正后的医学图像。
70.本实施例中，计算机设备可以根据第一医学图像中肺叶从肺尖到肺根的累计体积占比变化和第二医学图像中肺叶从肺尖到肺根的累计体积占比变化，准确地获取到目标医
学图像中横断面的位置的变化，从而可以根据目标医学图像中横断面的位置的变化，对目标医学图像进行准确地呼吸校正，进而提高了得到的校正后的医学图像的准确度。
71.在上述获取第一医学图像和第二医学图像的场景中，上述第一医学图像和上述第二医学图像为同一坐标系下的图像，因此，可以先对第一医学图像对应的第一初始医学图像和第二医学图像进行变换，以使第一医学图像和第二医学图像为同一坐标系下的图像。在一个实施例中，如图5所示，上述方法还包括：
72.s401，对第一初始医学图像和第二医学图像进行配准，得到仿射变换矩阵。
73.可选的，本实施例中的第一初始医学图像和第二医学图像可以均为肺分割图像，也可以为完整的医学图像。可选的，在本实施例中，计算机设备可以对第一初始医学图像和第二医学图像进行刚性配准，得到仿射变换矩阵。可选的，计算机设备可以将第一初始医学图像刚性配准到第二医学图像，得到上述仿射变换矩阵，也可以将第二医学图像刚性配准到第一初始医学图像，得到上述仿射变换矩阵。
74.s402，利用仿射变换矩阵将第一初始医学图像变换至第二医学图像所在的坐标系，得到第一医学图像。
75.可选的，第二医学图像所在的坐标系可以为世界坐标系，也可以为体素坐标系，也就是说，当第二医学图像所在的坐标系为世界坐标系时，计算机设备可以利用仿射变换矩阵将第一初始医学图像变换至世界坐标系，得到第一医学图像；当第二医学图像所在的坐标系为体素坐标系时，计算机设备可以利用仿射变换矩阵将第一初始医学图像变换至体素坐标系，得到第一医学图像。
76.本实施例中，通过对第一初始医学图像和第二医学图像进行配准，能够快速地得到第一初始医学图像和第二医学图像之间变换的仿射变换矩阵，提高了得到仿射变换矩阵的效率，从而可以利用该仿射变换矩阵快速地将第一初始医学图像变换至第二医学图像所在的坐标系，提高了得到第一医学图像的效率。
77.在上述实施例中，第一初始医学图像和第二医学图像均为肺分割图像，在上述实施例的基础上，在一个实施例中，上述方法还包括：分别对第一原始医学图像和第二原始医学图像进行肺分割，得到第一初始医学图像和第二医学图像。
78.其中，第一原始医学图像和第二原始医学图像为包括肺部的完整医学影像。可选的，在本实施例中，计算机设备可以将第一原始医学图像输入到分割模型中，对第一原始医学图像进行肺分割，得到上述第一初始医学图像，将第二原始医学图像输入到分割模型中，对第二原始医学图像进行肺分割，得到上述第二医学图像。或者，计算机设备可以利用基于阈值的分割方法、基于区域的分割方法等分别对第一原始医学图像和第二原始医学图像进行肺分割，得到第一初始医学图像和第二医学图像。
79.本实施例中，对第一原始医学图像和第二原始医学图像进行肺分割的过程十分简单，无需进行过多的操作，能够快速地对第一原始医学图像和第二原始医学图像进行肺分割，从而提高了得到第一初始医学图像和第二医学图像的效率。
80.在一些场景中，计算机设备可以将校正后的医学图像应用于肺结节匹配中，在一个实施例中，如图6所示，若上述目标医学图像为第一医学图像，上述方法还包括：
81.s501，根据校正后的医学图像中结节的坐标和第二医学图像中结节的坐标，获取校正后的医学图像中的结节与第二医学图像中的结节间的距离值。
82.可选的，在本实施例中，计算机设备可以利用距离公式对校正后的医学图像中结节的坐标和第二医学图像中结节的坐标进行计算，得到校正后的医学图像中的结节与第二医学图像中的结节间的距离值。
83.s502，对距离值中的最小距离值对应的结节进行结节匹配，得到匹配结果。
84.可以理解的是，可以将本实施例中最小距离值对应的结节认为是校正后的医学图像与第二医学图像中相互邻近的结节，从而可以将上述距离值中的最小距离值对应的结节进行结节匹配，得到匹配结果，利用匹配结果对匹配的结节进行分析。
85.示例性地，如图7所示，图7中上方图像为呼吸校正前匹配的当前扫描图像和历史扫描图像横断位对应层面示意图，图7中下方图像为呼吸校正后匹配的当前扫描图像和历史扫描图像横断位对应层面示意图，由图7可以看出，在呼吸校正前的匹配图像中，当前扫描图像中病灶编号3与历史扫描图像中病灶编号3并不相互关联匹配；呼吸校正后的匹配图像中，当前扫描图像中病灶编号3与历史扫描图像中病灶编号3相对应匹配。
86.本实施例中，根据校正后的医学图像中结节的坐标和第二医学图像中结节的坐标，能够准确地获取校正后的医学图像中的结节与第二医学图像中的结节间的距离值，从而可以利用校正后的医学图像中的结节与第二医学图像中的结节间的距离值，准确地对距离值中的最小距离值对应的结节进行结节匹配，准确地得到匹配结果，从而可以利用得到的准确度较高的匹配结果对医学图像中的结节进行分析，确定医学图像中的结节随时间的变化情况。
87.在一些场景中，计算机设备可以将校正后的医学图像应用于肺结节横断面的关联中，在一个实施例中，若上述目标医学图像为第一医学图像，上述方法还包括：对校正后医学图像和第二医学图像相对应的横断面进行图像关联，得到关联结果。
88.可选的，计算机设备可以采用刚性配准的方法对校正后的医学图像和第一医学图像相对应的横断面进行图像关联，得到关联结果；或者，计算机设备也可以采用柔性配准的方法对校正后的医学图像和第一医学图像相对应的横断面进行图像关联，得到关联结果。
89.请继续参见图7，如图7所示，在呼吸校正前的匹配图像中，同步匹配的横断位解剖结构差别较大；而在呼吸校正后的匹配图像中，横断位解剖结构差别较小，与人眼观测最相近层面的关联层面相比较，经过呼吸校正后的层面更加接近，而原来不使用呼吸校正情况下层面配准相对人眼观测最相近层面的关联层面相比较差异较大。
90.本实施例中，通过对校正后的医学图像和第二医学图像相对应的横断面进行图像关联，能够得到横断位解剖结构差别较小的关联结果，从而可以利用该关联结果对校正后的医学图像和第二医学图像进行更加准确地分析，获得较为准确的分析结果。
91.为了便于本领域技术人员的理解，以下对本技术提供的呼吸校正方法进行详细介绍，该方法可以包括：
92.s1，分别对第一原始医学图像和第二原始医学图像进行肺分割，得到第一初始医学图像和第二医学图像；第一原始医学图像和第二原始医学图像为同一用户不同时刻的肺部扫描图像。
93.s2，对第一初始医学图像和第二医学图像进行配准，得到仿射变换矩阵
94.s3，利用仿射变换矩阵将第一初始医学图像变换至第二医学图像所在的坐标系，得到第一医学图像。
95.s4，在同一坐标系下，根据第一医学图像各层横断面上肺叶的体积获取第一医学图像中肺叶从肺尖到肺根的累计体积占比变化，以及根据第二医学图像各层横断面上肺叶的体积获取第二医学图像中肺叶从肺尖到肺根的累计体积占比变化。
96.s5，根据第一医学图像中肺叶从肺尖到肺根的累计体积占比变化和第二医学图像中肺叶从肺尖到肺根的累计体积占比变化，获取第一医学图像中横断面的位置的变化。
97.s6，将第一医学图像的横断面中与第二医学图像的横断面中体积占比相同的层的坐标调整一致，得到校正后的医学图像。
98.s7，根据校正后的医学图像中结节的坐标和第二医学图像中结节的坐标，获取校正后的医学图像中的结节与第二医学图像中的结节间的距离值；对距离值中的最小距离值对应的结节进行结节匹配，得到匹配结果。
99.s8，对校正后的医学图像和第二医学图像相对应的横断面进行图像关联，得到关联结果。
100.需要说明的是，针对上述s1-s8中的描述可以参见上述实施例中相关的描述，且其效果类似，本实施例在此不再赘述。
101.应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
102.基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的呼吸校正方法的呼吸校正装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个呼吸校正装置实施例中的具体限定可以参见上文中对于呼吸校正方法的限定，在此不再赘述。
103.在一个实施例中，如图8所示，提供了一种呼吸校正装置，包括：第一获取模块、第二获取模块和校正模块，其中：
104.第一获取模块，用于获取第一医学图像和第二医学图像；第一医学图像和第二医学图像为同一用户不同时刻的肺部扫描图像。
105.第二获取模块，用于在同一坐标系下，根据第一医学图像各层横断面上肺叶的体积获取第一医学图像中肺叶从肺尖到肺根的累计体积占比变化，以及根据第二医学图像各层横断面上肺叶的体积获取第二医学图像中肺叶从肺尖到肺根的累计体积占比变化。
106.校正模块，用于根据第一医学图像中肺叶从肺尖到肺根的累计体积占比变化和第二医学图像中肺叶从肺尖到肺根的累计体积占比变化，对目标医学图像进行呼吸校正，得到校正后的医学图像；其中，目标医学图像为第一医学图像或第二医学图像。
107.可选的，第一医学图像和第二医学图像均为电子计算机断层扫描(computed tomography,ct)图像，或者，第一医学图像和第二医学图像均为磁共振(magnetic resonance imaging,mri)图像。
108.本实施例提供的呼吸校正装置，可以执行上述方法实施例，其实现原理和技术效
果类似，在此不再赘述。
109.在上述实施例的基础上，可选的，上述校正模块，包括：获取单元和校正单元，其中：
110.获取单元，用于根据第一医学图像中肺叶从肺尖到肺根的累计体积占比变化和第二医学图像中肺叶从肺尖到肺根的累计体积占比变化，获取目标医学图像中横断面的位置的变化。
111.校正单元，用于根据目标医学图像中横断面的位置的变化，对目标医学图像进行呼吸校正，得到校正后的医学图像。
112.本实施例提供的呼吸校正装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
113.在上述实施例的基础上，可选的，若目标医学图像为第一医学图像；上述校正单元，用于将目标医学图像的横断面中与第二医学图像的横断面中体积占比相同的层的坐标调整一致，得到校正后的医学图像。
114.本实施例提供的呼吸校正装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
115.在上述实施例的基础上，可选的，上述装置还包括：配准模块和变换模块，其中：
116.配准模块，用于对第一初始医学图像和第二医学图像进行配准，得到仿射变换矩阵。
117.变换模块，用于利用仿射变换矩阵将第一初始医学图像变换至第二医学图像所在的坐标系，得到第一医学图像。
118.本实施例提供的呼吸校正装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
119.在上述实施例的基础上，可选的，上述装置还包括：分割模块，其中：
120.分割模块，用于分别对第一原始医学图像和第二原始医学图像进行肺分割，得到第一初始医学图像和第二医学图像。
121.本实施例提供的呼吸校正装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
122.在上述实施例的基础上，可选的，若目标医学图像为第一医学图像，上述装置还包括：第三获取模块和匹配模块，其中：
123.第三获取模块，用于根据校正后的医学图像中结节的坐标和第二医学图像中结节的坐标，获取校正后的医学图像中的结节与第二医学图像中的结节间的距离值。
124.匹配模块，用于对距离值中的最小距离值对应的结节进行结节匹配，得到匹配结果。
125.本实施例提供的呼吸校正装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
126.在上述实施例的基础上，可选的，若目标医学图像为第一医学图像，上述装置还包括：关联模块，其中：
127.关联模块，用于对校正后的医学图像和第二医学图像相对应的横断面进行图像关联，得到关联结果。
128.本实施例提供的呼吸校正装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
129.上述呼吸校正装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
130.在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
131.获取第一医学图像和第二医学图像；第一医学图像和第二医学图像为同一用户不同时刻的肺部扫描图像；
132.在同一坐标系下，根据第一医学图像各层横断面上肺叶的体积获取第一医学图像中肺叶从肺尖到肺根的累计体积占比变化，以及根据第二医学图像各层横断面上肺叶的体积获取第二医学图像中肺叶从肺尖到肺根的累计体积占比变化；
133.根据第一医学图像中肺叶从肺尖到肺根的累计体积占比变化和第二医学图像中肺叶从肺尖到肺根的累计体积占比变化，对目标医学图像进行呼吸校正，得到校正后的医学图像；其中，目标医学图像为第一医学图像或第二医学图像。
134.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
135.获取第一医学图像和第二医学图像；第一医学图像和第二医学图像为同一用户不同时刻的肺部扫描图像；
136.在同一坐标系下，根据第一医学图像各层横断面上肺叶的体积获取第一医学图像中肺叶从肺尖到肺根的累计体积占比变化，以及根据第二医学图像各层横断面上肺叶的体积获取第二医学图像中肺叶从肺尖到肺根的累计体积占比变化；
137.根据第一医学图像中肺叶从肺尖到肺根的累计体积占比变化和第二医学图像中肺叶从肺尖到肺根的累计体积占比变化，对目标医学图像进行呼吸校正，得到校正后的医学图像；其中，目标医学图像为第一医学图像或第二医学图像。
138.在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
139.获取第一医学图像和第二医学图像；第一医学图像和第二医学图像为同一用户不同时刻的肺部扫描图像；
140.在同一坐标系下，根据第一医学图像各层横断面上肺叶的体积获取第一医学图像中肺叶从肺尖到肺根的累计体积占比变化，以及根据第二医学图像各层横断面上肺叶的体积获取第二医学图像中肺叶从肺尖到肺根的累计体积占比变化；
141.根据第一医学图像中肺叶从肺尖到肺根的累计体积占比变化和第二医学图像中肺叶从肺尖到肺根的累计体积占比变化，对目标医学图像进行呼吸校正，得到校正后的医学图像；其中，目标医学图像为第一医学图像或第二医学图像。
142.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。
143.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以
通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
144.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
145.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本技术专利范围的限制。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。