一种X射线图像中限束器区域的剪裁方法及装置与流程

一种x射线图像中限束器区域的剪裁方法及装置
技术领域
1.本技术涉及图像处理技术领域，特别是一种x射线图像中限束器区域的剪裁方法及装置。


背景技术：

2.在数字化x摄影(digital radiography，dr)中，为了尽可能减少对病人不必要的辐射，通常利用限束器约束射线投照区域，仅对诊断部位进行投照，而屏蔽非诊断部位的无效射线，由此导致生成的x线图像中存在大面积的非限束器区域，这些区域不包含任何诊断信息，且影响图像后处理结果，因此，需要在预处理阶段将这些区域裁剪掉，而仅保留限束器区域。
3.目前限束器区域的裁剪方法可分为以下两类，第一类是软硬件结合，以硬件模块反馈的限束器铅叶位置为参考，通过图像处理技术估算限束器边缘；这类方法实现简单，精度较高，但依赖于硬件模块，稳定性不佳，同时成本较高。第二类是纯图像处理技术，直接检测图像中的限束器边缘，获得分割掩膜，然后利用分割掩膜计算剪裁角点；这类方法不依赖于硬件系统，应用灵活，成本低廉，但是其需要经过图像分割和角点计算两个过程，一方面导致计算复杂度较高，另一方面两个过程都可能引入误差，误差叠加效应容易降低算法的精度和稳定性。


技术实现要素：

4.鉴于所述问题，提出了本技术以便提供克服所述问题或者至少部分地解决所述问题的一种x射线图像中限束器区域的剪裁方法及装置，包括：
5.一种x射线图像中限束器区域的剪裁方法，包括：
6.获取目标x射线图像，其中，所述目标x射线图像包括目标非限束器区域和设置在所述目标非限束器区域内部的目标限束器区域；
7.将所述目标x射线图像作为训练完成的角点检测模型的输入，获得所述目标限束器区域的初始角点坐标；
8.依据所述初始角点坐标，确定所述目标限束器区域的修正角点坐标；
9.依据所述修正角点坐标和所述目标x射线图像，生成对应于所述目标限束器区域的目标剪裁图像。
10.优选的，所述修正角点坐标包括左上角点坐标、左下角点坐标、右上角点坐标和右下角点坐标；所述依据所述初始角点坐标，确定所述目标限束器区域的修正角点坐标的步骤，包括：
11.依据所述初始角点坐标，确定所述目标限束器区域的最小x轴坐标、最小y轴坐标、最大x轴坐标和最大y轴坐标；
12.依据所述最小x轴坐标和所述最大y轴坐标，生成所述左上角点坐标；
13.依据所述最小x轴坐标和所述最小y轴坐标，生成所述左下角点坐标；
14.依据所述最大x轴坐标和所述最大y轴坐标，生成所述右上角点坐标；
15.依据所述最大x轴坐标和所述最小y轴坐标，生成所述右下角点坐标。
16.优选的，所述依据所述修正角点坐标和所述目标x射线图像，生成对应于所述目标限束器区域的目标剪裁图像的步骤，包括：
17.依据所述左上角点坐标和所述左下角点坐标，生成左侧剪裁边缘；
18.依据所述右上角点坐标和所述右下角点坐标，生成右侧剪裁边缘；
19.依据所述左上角点坐标和所述右上角点坐标，生成上侧剪裁边缘；
20.依据所述左下角点坐标和所述右下角点坐标，生成下侧剪裁边缘；
21.依据所述左侧剪裁边缘、所述右侧剪裁边缘、所述上侧剪裁边缘、所述下侧剪裁边缘和所述目标x射线图像，生成所述目标剪裁图像。
22.优选的，还包括：
23.获取样本x射线图像集合及其对应的样本角点坐标集合；所述样本x射线图像集合包括若干样本x射线图像；每一所述样本x射线图像均包括样本非限束器区域和设置在所述样本非限束器区域内部的样本限束器区域；所述样本角点坐标集合包括与若干所述样本限束器区域一一对应的若干样本角点坐标；
24.依据所述样本x射线图像集合和所述样本角点坐标集合对初始角点检测模型进行训练，获得所述训练完成的角点检测模型。
25.优选的，所述初始角点检测模型设有若干个；所述依据所述样本x射线图像集合和所述样本角点坐标集合对初始角点检测模型进行训练，获得所述训练完成的角点检测模型的步骤，包括：
26.依据所述样本x射线图像集合和所述样本角点坐标集合，生成用于模型训练的第一样本x射线图像集合和第一样本角点坐标集合，以及用于模型验证的第二样本x射线图像集合和第二样本角点坐标集合；
27.依据所述第一样本x射线图像集合和所述第一样本角点坐标集合对每个所述初始角点检测模型进行训练，获得若干备选角点检测模型；
28.依据所述第二样本x射线图像集合和所述第二样本角点坐标集合对每个所述备选角点检测模型进行验证，确定每个所述备选角点检测模型的检测精度；
29.依据所述检测精度，从若干所述备选角点检测模型中筛选得到所述训练完成的角点检测模型。
30.优选的，所述依据所述第一样本x射线图像集合和所述第一样本角点坐标集合对每个所述初始角点检测模型进行训练，获得若干备选角点检测模型的步骤，包括：
31.将所述第一样本x射线图像集合作为每个所述初始角点检测模型的输入，获得每个所述初始角点检测模型的第一预测角点坐标集合；
32.依据所述第一预测角点坐标集合和所述第一样本角点坐标集合对每个所述初始角点检测模型进行训练，获得若干所述备选角点检测模型。
33.优选的，所述依据所述第二样本x射线图像集合和所述第二样本角点坐标集合对每个所述备选角点检测模型进行验证，获得每个所述备选角点检测模型的检测精度的步骤，包括：
34.将所述第二样本x射线图像集合作为每个所述备选角点检测模型的输入，获得每
个所述备选角点检测模型的第二预测角点坐标集合；
35.依据所述第二预测角点坐标集合和所述第二样本角点坐标集合，确定每个所述备选角点检测模型的所述检测精度。
36.一种x射线图像中限束器区域的剪裁装置，包括：
37.目标获取模块，用于获取目标x射线图像，其中，所述目标x射线图像包括目标非限束器区域和设置在所述目标非限束器区域内部的目标限束器区域；
38.坐标检测模块，用于将所述目标x射线图像作为训练完成的角点检测模型的输入，获得所述目标限束器区域的初始角点坐标；
39.坐标修正模块，用于依据所述初始角点坐标，确定所述目标限束器区域的修正角点坐标；
40.目标剪裁模块，用于依据所述修正角点坐标和所述目标x射线图像，生成对应于所述目标限束器区域的目标剪裁图像。
41.一种计算机设备，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的一种x射线图像中限束器区域的剪裁方法的步骤。
42.一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上所述的一种x射线图像中限束器区域的剪裁方法的步骤。
43.本技术具有以下优点：
44.在本技术的实施例中，通过获取目标x射线图像，其中，所述目标x射线图像包括目标非限束器区域和设置在所述目标非限束器区域内部的目标限束器区域；将所述目标x射线图像作为训练完成的角点检测模型的输入，获得所述目标限束器区域的初始角点坐标；依据所述初始角点坐标，确定所述目标限束器区域的修正角点坐标；依据所述修正角点坐标和所述目标x射线图像，生成对应于所述目标限束器区域的目标剪裁图像，可以消除所述目标非限束器区域对后续图像处理和医学诊断的影响，为提升诊断精度打下基础。所述训练完成的角点检测模型具有强大的特征表示能力，可以避免人工设计特征的不足，并且，直接估计所述目标限束器区域的角点可以避免间接估计角点方案中可能引入的中间误差，在提升算法效率的同时也提升了算法精度和稳定性。
附图说明
45.为了更清楚地说明本技术的技术方案，下面将对本技术的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
46.图1是本技术一实施例提供的一种x射线图像中限束器区域的剪裁方法的步骤流程图；
47.图2是本技术一具体实现提供的目标x射线图像；
48.图3是本技术一具体实现提供的含初始角点坐标的目标x射线图像；
49.图4是本技术一具体实现提供的目标剪裁图像；
50.图5是本技术一实施例提供的一种x射线图像中限束器区域的剪裁装置的结构框
图；
51.图6是本技术一实施例提供的一种计算机设备的结构示意图。
52.说明书附图中的附图标记如下：
53.210、目标获取模块；220、坐标检测模块；230、坐标修正模块；240、目标剪裁模块；12、计算机设备；14、外部设备；16、处理单元；18、总线；20、网络适配器；22、i/o接口；24、显示器；28、内存；30、随机存取存储器；32、高速缓存存储器；34、存储系统；40、程序/实用工具；42、程序模块。
具体实施方式
54.为使本技术的所述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本技术作进一步详细的说明。显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
55.参照图1，示出了本技术一实施例提供的一种x射线图像中限束器区域的剪裁方法，所述剪裁方法包括：
56.s110、获取目标x射线图像，其中，所述目标x射线图像包括目标非限束器区域和设置在所述目标非限束器区域内部的目标限束器区域；
57.s120、将所述目标x射线图像作为训练完成的角点检测模型的输入，获得所述目标限束器区域的初始角点坐标；
58.s130、依据所述初始角点坐标，确定所述目标限束器区域的修正角点坐标；
59.s140、依据所述修正角点坐标和所述目标x射线图像，生成对应于所述目标限束器区域的目标剪裁图像。
60.在本技术的实施例中，通过获取目标x射线图像，其中，所述目标x射线图像包括目标非限束器区域和设置在所述目标非限束器区域内部的目标限束器区域；将所述目标x射线图像作为训练完成的角点检测模型的输入，获得所述目标限束器区域的初始角点坐标；依据所述初始角点坐标，确定所述目标限束器区域的修正角点坐标；依据所述修正角点坐标和所述目标x射线图像，生成对应于所述目标限束器区域的目标剪裁图像，可以消除所述目标非限束器区域对后续图像处理和医学诊断的影响，为提升诊断精度打下基础。所述训练完成的角点检测模型具有强大的特征表示能力，可以避免人工设计特征的不足，并且，直接估计所述目标限束器区域的角点可以避免间接估计角点方案中可能引入的中间误差，在提升算法效率的同时也提升了算法精度和稳定性。
61.下面，将对本示例性实施例中一种x射线图像中限束器区域的剪裁方法作进一步地说明。
62.如所述步骤s110所述，获取目标x射线图像，其中，所述目标x射线图像包括目标非限束器区域和设置在所述目标非限束器区域内部的目标限束器区域。
63.所述目标x射线图像是指医学扫描设备扫描得到的图像，例如，dr系统、c-arm(c臂)系统等医用x射线设备对目标物体进行扫描得到的x射线图像。所述目标x射线图像在成像过程中采用了限束器以约束x射线的投照区域，以便对所述目标物体的诊断部位进行投照，而屏蔽所述目标物体的非诊断部位的无效射线。所述目标非限束器区域为所述目标x射
线图像中与所述非诊断部位对应的区域，所述目标限束器区域为所述目标x射线图像中与所述诊断区域对应的区域。此外，在获取所述目标x射线图像之前，还包括对所述目标x射线图像进行预处理的步骤；所述预处理包括但不限于去噪、图像标准化等。
64.具体地，当服务器接收到终端发送的检测指令后，服务器响应所述检测指令，获取对应的所述目标x射线图像。所述目标x射线图像可以是随所述检测指令一并发送过来的图像，也可以是预先存储的图像，服务器通过访问对应的存储路径获取所述目标x射线图像，或是直接从医用x射线设备获取所述目标x射线图像。
65.如所述步骤s120所述，将所述目标x射线图像作为训练完成的角点检测模型的输入，获得所述目标限束器区域的初始角点坐标。
66.所述训练完成的角点检测模型为预先训练的神经网络模型，其结构可以为任意一种全卷积神经网络(fully convolution networks)形式的网络结构。所述初始角点坐标为所述训练完成的角点检测模型输出的所述目标限束器区域的角点坐标，可以理解为，所述目标限束器区域为不规则多边形，所述初始角点坐标包括所述目标限束器区域中各个顶点的坐标。
67.具体地，当服务器获取到所述目标x射线图像后，调用所述训练完成的角点检测模型，将所述目标x射线图像输入至所述训练完成的角点检测模型中，利用所述训练完成的角点检测模型对所述目标x射线图像进行检测，确定所述目标x射线图像中所述目标限束器区域的所述初始角点坐标。
68.如所述步骤s130所述，依据所述初始角点坐标，确定所述目标限束器区域的修正角点坐标。
69.对所述初始角点坐标连接，可以得到与所述目标限束器区域对应的不规则多边形，但该不规则多边形的边缘通常不平行于图像行或列，为防止所述诊断部位对应区域被误裁剪，需要对所获得的所述初始角点坐标进行处理，也即按照预设的图像剪裁规则修正所述初始角点坐标，得到所述修正角点坐标，并且确保与所述目标限束器区域对应的不规则多边形包含于所述修正角点坐标连接形成的规则图形中。
70.具体地，当服务器获取到所述初始角点坐标后，采用预设的计算公式对所述初始角点坐标进行处理，获取所述修正角点坐标。
71.如所述步骤s140所述，依据所述修正角点坐标和所述目标x射线图像，生成对应于所述目标限束器区域的目标剪裁图像。
72.依据所述修正角点坐标对所述目标x射线图像进行裁剪，生成对应于所述目标限束器区域的所述目标剪裁图像。
73.具体地，当服务器获取到所述修正角点坐标后，依据所述修正角点坐标连接形成的剪裁边框对所述目标x射线图像进行裁剪，获得对应于所述目标限束器区域的所述目标剪裁图像。
74.本实施例中，所述修正角点坐标包括左上角点坐标、左下角点坐标、右上角点坐标和右下角点坐标；所述依据所述初始角点坐标，确定所述目标限束器区域的修正角点坐标的步骤，包括：
75.依据所述初始角点坐标，确定所述目标限束器区域的最小x轴坐标、最小y轴坐标、最大x轴坐标和最大y轴坐标；
76.依据所述最小x轴坐标和所述最大y轴坐标，生成所述左上角点坐标；
77.依据所述最小x轴坐标和所述最小y轴坐标，生成所述左下角点坐标；
78.依据所述最大x轴坐标和所述最大y轴坐标，生成所述右上角点坐标；
79.依据所述最大x轴坐标和所述最小y轴坐标，生成所述右下角点坐标。
80.具体地，从所述修正角点坐标中找出所述最小x轴坐标、所述最小y轴坐标、所述最大x轴坐标和所述最大y轴坐标，并按照下述计算公式生成所述左上角点坐标、所述左下角点坐标、所述右上角点坐标和所述右下角点坐标：
81.ul＝(x
min
，y
max
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
82.ll＝(x
min
，y
min
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
83.ur＝(x
max
，y
max
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
84.lr＝(x
max
，y
min
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
85.其中，ul、ll、ur、lr分别为所述左上角点坐标、所述左下角点坐标、所述右上角点坐标和所述右下角点坐标，x
min
、y
min
、x
max
、y
max
分别表示所述最小x轴坐标、所述最小y轴坐标、所述最大x轴坐标和所述最大y轴坐标。
86.本实施例中，所述依据所述修正角点坐标和所述目标x射线图像，生成对应于所述目标限束器区域的目标剪裁图像的步骤，包括：
87.依据所述左上角点坐标和所述左下角点坐标，生成左侧剪裁边缘；
88.依据所述右上角点坐标和所述右下角点坐标，生成右侧剪裁边缘；
89.依据所述左上角点坐标和所述右上角点坐标，生成上侧剪裁边缘；
90.依据所述左下角点坐标和所述右下角点坐标，生成下侧剪裁边缘；
91.依据所述左侧剪裁边缘、所述右侧剪裁边缘、所述上侧剪裁边缘、所述下侧剪裁边缘和所述目标x射线图像，生成所述目标剪裁图像。
92.具体地，依据由所述左侧剪裁边缘、所述右侧剪裁边缘、所述上侧剪裁边缘和所述下侧剪裁边缘构成的剪裁边框对所述目标x射线图像进行剪裁，生成所述目标剪裁图像。
93.本实施例中，所述剪裁方法还包括：
94.获取样本x射线图像集合及其对应的样本角点坐标集合；所述样本x射线图像集合包括若干样本x射线图像；每一所述样本x射线图像均包括样本非限束器区域和设置在所述样本非限束器区域内部的样本限束器区域；所述样本角点坐标集合包括与若干所述样本限束器区域一一对应的若干样本角点坐标；
95.依据所述样本x射线图像集合和所述样本角点坐标集合对初始角点检测模型进行训练，获得所述训练完成的角点检测模型。
96.具体地，采集不同限束器开口状态、不同拍摄目标下的所述样本x射线图像，并逐一对所述样本x射线图像中的样本角点进行标注，构成若干配对的样本集合。
97.本实施例中，所述初始角点检测模型设有若干个；所述依据所述样本x射线图像集合和所述样本角点坐标集合对初始角点检测模型进行训练，获得所述训练完成的角点检测模型的步骤，包括：
98.依据所述样本x射线图像集合和所述样本角点坐标集合，生成用于模型训练的第一样本x射线图像集合和第一样本角点坐标集合，以及用于模型验证的第二样本x射线图像集合和第二样本角点坐标集合；
99.依据所述第一样本x射线图像集合和所述第一样本角点坐标集合对每个所述初始角点检测模型进行训练，获得若干备选角点检测模型；
100.依据所述第二样本x射线图像集合和所述第二样本角点坐标集合对每个所述备选角点检测模型进行验证，确定每个所述备选角点检测模型的检测精度；
101.依据所述检测精度，从若干所述备选角点检测模型中筛选得到所述训练完成的角点检测模型。
102.需要说明的是，模型训练过程中通常用到训练集和验证集，其中，训练集是用来训练模型内参数的数据集，模型可以直接根据训练集来调整内参数获得更好的分类效果；验证集是用来在检验模型的状态和收敛情况的数据集，验证集通常用于调整超参数，根据几组模型验证集上的表现决定哪组超参数拥有最好的性能。
103.具体地，将所述样本集合按一定比例划分为训练集和验证集(例如训练集：验证集＝8：2)，依据所述训练集对所述初始角点检测模型的内参数进行训练，并依据所述验证集对不同超参数的所述初始角点检测模型进行验证，选出性能最优(即所述检测精度最高)的所述初始角点检测模型作为所述训练完成的角点检测模型。
104.本实施例中，所述依据所述第一样本x射线图像集合和所述第一样本角点坐标集合对每个所述初始角点检测模型进行训练，获得若干备选角点检测模型的步骤，包括：
105.将所述第一样本x射线图像集合作为每个所述初始角点检测模型的输入，获得每个所述初始角点检测模型的第一预测角点坐标集合；
106.依据所述第一预测角点坐标集合和所述第一样本角点坐标集合对每个所述初始角点检测模型进行训练，获得若干所述备选角点检测模型。
107.本实施例中，所述依据所述第二样本x射线图像集合和所述第二样本角点坐标集合对每个所述备选角点检测模型进行验证，获得每个所述备选角点检测模型的检测精度的步骤，包括：
108.将所述第二样本x射线图像集合作为每个所述备选角点检测模型的输入，获得每个所述备选角点检测模型的第二预测角点坐标集合；
109.依据所述第二预测角点坐标集合和所述第二样本角点坐标集合，确定每个所述备选角点检测模型的所述检测精度。
110.在一具体实现中，获取目标x射线图像(如图2所示)，将所述目标x射线图像作为训练完成的角点检测模型的输入，获得所述目标限束器区域的初始角点坐标(如图3所示)；依据所述初始角点坐标，确定所述目标限束器区域的修正角点坐标；依据所述修正角点坐标和所述目标x射线图像，生成对应于所述目标限束器区域的目标剪裁图像(如图4所示)。由此可见，本技术中的方法具有较高的剪裁精度。
111.对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
112.参照图5，示出了本技术一实施例提供的一种x射线图像中限束器区域的剪裁装置，所述剪裁装置包括：
113.目标获取模块210，用于获取目标x射线图像，其中，所述目标x射线图像包括目标非限束器区域和设置在所述目标非限束器区域内部的目标限束器区域；
114.坐标检测模块220，用于将所述目标x射线图像作为训练完成的角点检测模型的输
入，获得所述目标限束器区域的初始角点坐标；
115.坐标修正模块230，用于依据所述初始角点坐标，确定所述目标限束器区域的修正角点坐标；
116.目标剪裁模块240，用于依据所述修正角点坐标和所述目标x射线图像，生成对应于所述目标限束器区域的目标剪裁图像。
117.在本技术一实施例中，所述修正角点坐标包括左上角点坐标、左下角点坐标、右上角点坐标和右下角点坐标，所述坐标修正模块230，包括：
118.最值坐标确定子模块，用于依据所述初始角点坐标，确定所述目标限束器区域的最小x轴坐标、最小y轴坐标、最大x轴坐标和最大y轴坐标；
119.左上坐标确定子模块，用于依据所述最小x轴坐标和所述最大y轴坐标，生成所述左上角点坐标；
120.左下坐标确定子模块，用于依据所述最小x轴坐标和所述最小y轴坐标，生成所述左下角点坐标；
121.右上坐标确定子模块，用于依据所述最大x轴坐标和所述最大y轴坐标，生成所述右上角点坐标；
122.右下坐标确定子模块，用于依据所述最大x轴坐标和所述最小y轴坐标，生成所述右下角点坐标。
123.在本技术一实施例中，所述目标剪裁模块240，包括：
124.左侧边缘确定子模块，用于依据所述左上角点坐标和所述左下角点坐标，生成左侧剪裁边缘；
125.右侧边缘确定子模块，用于依据所述右上角点坐标和所述右下角点坐标，生成右侧剪裁边缘；
126.上侧边缘确定子模块，用于依据所述左上角点坐标和所述右上角点坐标，生成上侧剪裁边缘；
127.下侧边缘确定子模块，用于依据所述左下角点坐标和所述右下角点坐标，生成下侧剪裁边缘；
128.目标剪裁子模块，用于依据所述左侧剪裁边缘、所述右侧剪裁边缘、所述上侧剪裁边缘、所述下侧剪裁边缘和所述目标x射线图像，生成所述目标剪裁图像。
129.在本技术一实施例中，所述剪裁装置还包括：
130.样本获取模块，用于获取样本x射线图像集合及其对应的样本角点坐标集合；所述样本x射线图像集合包括若干样本x射线图像；每一所述样本x射线图像均包括样本非限束器区域和设置在所述样本非限束器区域内部的样本限束器区域；所述样本角点坐标集合包括与若干所述样本限束器区域一一对应的若干样本角点坐标；
131.模型训练模块，用于依据所述样本x射线图像集合和所述样本角点坐标集合对初始角点检测模型进行训练，获得所述训练完成的角点检测模型。
132.在本技术一实施例中，所述初始角点检测模型设有若干个；所述模型训练模块包括：
133.样本分类子模块，用于依据所述样本x射线图像集合和所述样本角点坐标集合，生成用于模型训练的第一样本x射线图像集合和第一样本角点坐标集合，以及用于模型验证
的第二样本x射线图像集合和第二样本角点坐标集合；
134.模型训练子模块，用于依据所述第一样本x射线图像集合和所述第一样本角点坐标集合对每个所述初始角点检测模型进行训练，获得若干备选角点检测模型；
135.模型验证子模块，用于依据所述第二样本x射线图像集合和所述第二样本角点坐标集合对每个所述备选角点检测模型进行验证，确定每个所述备选角点检测模型的检测精度；
136.模型筛选子模块，用于依据所述检测精度，从若干所述备选角点检测模型中筛选得到所述训练完成的角点检测模型。
137.在本技术一实施例中，所述模型训练子模块，包括：
138.备选模型输入子模块，用于将所述第一样本x射线图像集合作为每个所述初始角点检测模型的输入，获得每个所述初始角点检测模型的第一预测角点坐标集合；
139.备选模型训练子模块，用于依据所述第一预测角点坐标集合和所述第一样本角点坐标集合对每个所述初始角点检测模型进行训练，获得若干所述备选角点检测模型。
140.在本技术一实施例中，所述模型验证子模块，包括：
141.备选模型验证子模块，用于将所述第二样本x射线图像集合作为每个所述备选角点检测模型的输入，获得每个所述备选角点检测模型的第二预测角点坐标集合；
142.检测精度确定子模块，用于依据所述第二预测角点坐标集合和所述第二样本角点坐标集合，确定每个所述备选角点检测模型的所述检测精度。
143.参照图6，示出了本技术的一种x射线图像中限束器区域的剪裁方法的计算机设备，具体可以包括如下：
144.上述计算机设备12以通用计算设备的形式表现，计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，内存28，连接不同系统组件(包括内存28和处理单元16)的总线18。
145.总线18表示几类总线18结构中的一种或多种，包括存储器总线18或者存储器控制器，外围总线18，图形加速端口，处理器或者使用多种总线18结构中的任意总线18结构的局域总线18。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线18，微通道体系结构(mac)总线18，增强型isa总线18、音视频电子标准协会(vesa)局域总线18以及外围组件互连(pci)总线18。
146.计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
147.内存28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器30和/或高速缓存存储器32。计算机设备12可以进一步包括其他移动/不可移动的、易失性/非易失性计算机体统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd-rom，dvd-rom或者其他光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质界面与总线18相连。存储器可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块42，这些程序模块42被配置以执行本技术各实施例的功能。
148.具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器中，
这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其他程序模块42以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本技术所描述的实施例中的功能和/或方法。
149.计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24、摄像头等)通信，还可与一个或者多个使得操作人员能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其他计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过i/o接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(lan))，广域网(wan)和/或公共网络(例如因特网)通信。如图6所示，网络适配器20通过总线18与计算机设备12的其他模块通信。应当明白，尽管图6中未示出，可以结合计算机设备12使用其他硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元16、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统34等。
150.处理单元16通过运行存储在内存28中的程序，从而执行各种功能应用以及数据处理，例如实现本技术实施例所提供的一种x射线图像中限束器区域的剪裁方法。
151.也即，上述处理单元16执行上述程序时实现：获取目标x射线图像，其中，所述目标x射线图像包括目标非限束器区域和设置在所述目标非限束器区域内部的目标限束器区域；将所述目标x射线图像作为训练完成的角点检测模型的输入，获得所述目标限束器区域的初始角点坐标；依据所述初始角点坐标，确定所述目标限束器区域的修正角点坐标；依据所述修正角点坐标和所述目标x射线图像，生成对应于所述目标限束器区域的目标剪裁图像。
152.在本技术一实施例中，还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本技术所有实施例提供的一种x射线图像中限束器区域的剪裁方法。
153.也即，给程序被处理器执行时实现：获取目标x射线图像，其中，所述目标x射线图像包括目标非限束器区域和设置在所述目标非限束器区域内部的目标限束器区域；将所述目标x射线图像作为训练完成的角点检测模型的输入，获得所述目标限束器区域的初始角点坐标；依据所述初始角点坐标，确定所述目标限束器区域的修正角点坐标；依据所述修正角点坐标和所述目标x射线图像，生成对应于所述目标限束器区域的目标剪裁图像。
154.可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
155.计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是
计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
156.可以以一种或多种程序设计语言或其组合来编写用于执行本技术操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言——诸如java、smalltalk、c ，还包括常规的过程式程序设计语言——诸如“c”语言或类似的程序设计语言。程序代码可以完全地在操作人员计算机上执行、部分地在操作人员计算机上执行、作为一个独立的软件包执行、部分在操作人员计算机上部分在远程计算机上执行或者完全在远程计算机或者服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)——连接到操作人员计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
157.尽管已描述了本技术实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术实施例范围的所有变更和修改。
158.最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
159.以上对本技术所提供的一种x射线图像中限束器区域的剪裁方法及装置，进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的一般技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。