技术摘要：
本申请涉及一种图像摆正方法、计算机设备和存储介质。所述方法包括：获取待摆正的医学图像；将所述待摆正的医学图像输入至神经网络模型中，得到所述待摆正的医学图像对应的变换参数；所述神经网络模型是基于训练图像和所述训练图像对应的金标准变换参数训练得到的；基  全部
背景技术：
目前，在利用扫描设备对受检者进行扫描时，通常要求受检者平躺在扫描设备内 部，且在扫描过程中保持姿势端正，但是在实际扫描过程中，受限于受检者的身体状况或者 扫描设备的硬件限制等条件，受检者在扫描设备中的位置并不总是能满足要求，这样就会 造成扫描得到的医学图像出现倾斜，而利用倾斜的医学图像进行后处理，这样得到的后处 理结果也是不够准确的，因此，就需要对受检者的医学图像进行摆正。 相关技术中，一般是通过模板配准的方式对倾斜图像进行标准化操作，使倾斜图 像处于较为标准的位置，即通过不断地对受检者的医学图像进行线性或非线性变换处理， 最终将受检者的医学图像变换到和模板图像近似的位置上，得到摆正后的图像。 然而上述技术存在耗时的问题。
技术实现要素：
基于此，有必要针对上述技术问题，提供一种能够节省时间的图像摆正方法、装 置、计算机设备和存储介质。 一种图像摆正方法，该方法包括： 获取待摆正的医学图像； 将待摆正的医学图像输入至神经网络模型中，得到待摆正的医学图像对应的变换 参数；该神经网络模型是基于训练图像和训练图像对应的金标准变换参数训练得到的； 基于待摆正的医学图像对应的变换参数，对待摆正的医学图像上的各个点进行变 换处理，得到摆正后的医学图像。 在其中一个实施例中，上述基于待摆正的医学图像对应的变换参数，对待摆正的 医学图像上的各个点进行变换处理，得到摆正后的医学图像，包括： 基于待摆正的医学图像对应的变换参数，对摆正后的医学图像上的各个第一像素 点的坐标进行变换处理，得到各个第一像素点的坐标在待摆正的医学图像上对应的各个第 二像素点的坐标； 将各第二像素点的坐标上的像素值对应回填进各第一像素点，得到摆正后的医学 图像。 在其中一个实施例中，上述训练图像和训练图像对应的金标准变换参数的获取方 式包括： 获取金标准摆正后的图像； 将金标准摆正后的图像随机进行旋转和平移，得到随机旋转角度和随机平移距离 以及随机旋转图像； 4 CN 111583099 A 说　明　书 2/14 页 将随机旋转图像作为训练图像，以及，将随机旋转角度和随机平移距离作为训练 图像对应的金标准变换参数。 在其中一个实施例中，上述训练图像对应的金标准变换参数的获取方式包括： 获取训练图像对应的参考图像；参考图像为正向图像； 根据训练图像和训练图像对应的参考图像，得到训练图像和参考图像之间的变换 矩阵； 对变换矩阵进行矩阵分解处理，得到金标准变换参数。 在其中一个实施例中，上述神经网络模型的训练方法包括： 将训练图像输入至初始神经网络模型，得到训练图像对应的预测变换参数； 利用训练图像对应的预测变换参数对训练图像上的各个点进行变换处理，得到训 练图像对应的预测摆正图像； 计算训练图像对应的预测变换参数和训练图像对应的金标准变换参数之间的第 一损失，以及，计算训练图像对应的预测摆正图像和训练图像对应的金标准摆正后的图像 之间的第二损失； 利用第一损失和第二损失对初始神经网络模型进行训练，得到神经网络模型。 在其中一个实施例中，上述神经网络模型的训练方法包括： 将训练图像输入至初始神经网络模型，得到训练图像对应的预测变换参数； 计算训练图像对应的预测变换参数和训练图像对应的金标准变换参数之间的第 一损失； 利用第一损失对初始神经网络模型进行训练，得到神经网络模型。 在其中一个实施例中，上述待摆正的医学图像对应的变换参数包括至少一个平移 距离和至少一个旋转角度。 在其中一个实施例中，上述将各第二像素点的坐标上的像素值对应回填进各第一 像素点，得到摆正后的医学图像，包括： 基于各第二像素点的坐标，确定与各第二像素点相邻的多个第二像素点； 采用预设的插值算法对与各第二像素点相邻的多个第二像素点的像素值进行插 值处理，得到各第二像素点对应的目标像素值； 将各第二像素点对应的目标像素值对应回填进各第一像素点，得到摆正后的医学 图像。 一种图像摆正装置，该装置包括： 获取模块，用于获取待摆正的医学图像； 确定模块，用于将待摆正的医学图像输入至神经网络模型中，得到待摆正的医学 图像对应的变换参数；该神经网络模型是基于训练图像和训练图像对应的金标准变换参数 训练得到的； 变换模块，用于基于待摆正的医学图像对应的变换参数，对待摆正的医学图像上 的各个点进行变换处理，得到摆正后的医学图像。 一种计算机设备，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： 获取待摆正的医学图像； 5 CN 111583099 A 说　明　书 3/14 页 将待摆正的医学图像输入至神经网络模型中，得到待摆正的医学图像对应的变换 参数；该神经网络模型是基于训练图像和训练图像对应的金标准变换参数训练得到的； 基于待摆正的医学图像对应的变换参数，对待摆正的医学图像上的各个点进行变 换处理，得到摆正后的医学图像。 一种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： 获取待摆正的医学图像； 将待摆正的医学图像输入至神经网络模型中，得到待摆正的医学图像对应的变换 参数；该神经网络模型是基于训练图像和训练图像对应的金标准变换参数训练得到的； 基于待摆正的医学图像对应的变换参数，对待摆正的医学图像上的各个点进行变 换处理，得到摆正后的医学图像。 上述图像摆正方法、装置、计算机设备和存储介质，通过将获取的待摆正的医学图 像输入至神经网络模型中，得到待摆正的医学图像对应的变换参数，基于待摆正的医学图 像对应的变换参数对该待摆正的医学图像上的各个点进行变换处理，得到摆正后的医学图 像。在该方法中，由于可以通过神经网络模型直接得到待摆正的医学图像对应的变换参数， 而不需要通过多次线性或非线性变换才能得到变换参数，因此，本方法可以快速得到变换 参数，进而在后续利用变换参数得到摆正后的医学图像时，也可以非常快速地得到，从而可 以提高图像摆正的效率，即可以节省图像摆正的时间；另外，由于本方法是通过神经网络模 型得到变换参数的，相比较人工通过模板配准的方式得到变换参数，本方法得到的变换参 数更加准确，从而利用该更加准确的变换参数得到的摆正后的医学图像也会更加准确。 附图说明 图1为一个实施例中计算机设备的内部结构图； 图2为一个实施例中图像摆正方法的流程示意图； 图3为另一个实施例中图像摆正方法的流程示意图； 图4为一个实施例中金标准变换参数的获取的流程示意图； 图5为另一个实施例中金标准变换参数的获取的流程示意图； 图6为一个实施例中神经网络模型训练的流程示意图； 图7为另一个实施例中神经网络模型训练的流程示意图； 图8为一个实施例中图像摆正装置的结构框图。