乳腺影像配准方法和装置制造方法及图纸

本申请实施例提供了一种乳腺影像配准方法、装置、电子设备和计算机可读存储介质，解决了现有配准方式的配准精度差、无法实现整图配准、以及人工数据成本高昂问题。该乳腺影像配准方法包括：将乳腺影像和标准乳腺影像输入参数提取网络模型以获取空间变换参数，其中，所述空间变换参数包括所述配准后影像中每个像素与所述乳腺影像中与该像素对应的像素之间的位置对应关系；以及根据所述乳腺影像和所述空间变换参数获取配准后影像；其中，所述参数提取网络模型为通过无监督训练过程建立的卷积神经网络模型。

Breast image registration method and device

【技术实现步骤摘要】
乳腺影像配准方法和装置
本申请涉及图像处理
，具体涉及一种乳腺影像配准方法、装置、电子设备和计算机可读存储介质。
技术介绍
乳腺癌作为中国女性恶性肿瘤发病率首位的恶性肿瘤，已成为当前社会的重大公共卫生问题。有效控制乳腺癌死亡率主要通过两个途径：一是开展广泛的乳腺癌筛查工作，使早期病例的比例增加；二是对于诊断出的病例积极开展乳腺癌综合治疗。乳腺影像检查作为一种有效检测乳腺部位结构及病变的手段，被广泛应用于筛查和检查的多种场景。一般乳腺影像会拍摄双侧乳腺、两个投照位的四张影像，医生在阅片过程中会涉及对相同投照位不同侧乳腺影像的比较。由于乳房作为软性可形变组织，且拍摄过程中可能涉及对乳房不同区域的不同程度的挤压，造成左右侧乳腺影像的不对称性(结构、形态、位置等方面)，给医生的阅片和诊断过程带来了一定的困难，因此有必要在利用乳腺影像进行检查之前对乳腺影像进行配准。现有技术虽然提供一些配准方式，但存在着配准精度差、无法实现整图配准、以及人工数据成本高昂等问题。
技术实现思路
有鉴于此，本申请实施例提供了一种乳腺影像配准方法、装置、电子设备和计算机可读存储介质，解决了现有配准方式的配准精度差、无法实现整图配准、以及人工数据成本高昂问题。根据本申请的一方面，本申请一实施例提供的一种乳腺影像配准方法包括：将乳腺影像和标准乳腺影像输入参数提取网络模型以获取空间变换参数，其中，所述空间变换参数包括所述配准后影像中每个像素与所述乳腺影像中与该像素对应的像素之间的位置对应关系；以及根据所述乳腺影像和所述空间变换参数获取配准后影像；其中，所述参数提取网络模型为通过无监督训练过程建立的卷积神经网络模型。在本申请一实施例中，所述将乳腺影像和标准乳腺影像输入参数提取网络模型以获取空间变换参数包括：将所述乳腺影像和所述标准乳腺影像拼接为一张拼接影像，其中所述乳腺影像和所述标准乳腺影像对应所述拼接影像的不同通道区域；对所述拼接影像进行N层级第一卷积操作，其中每个层级的所述第一卷积操作的输入对象为上一层级的所述第一卷积操作所输出的特征图的下采样结果，每个层级的所述第一卷积操作包括多次卷积过程；以及将所述N层级第一卷积操作中最后一个层级的所述第一卷积操作输出的特征图进行N-1层级第二卷积操作，其中所述N-1层级第二卷积操作与所述N层级第一卷积操作中的前N-1层级所述第一卷积操作相对应，每个层级的所述第二卷积操作的输入对象包括上一层级的所述第二卷积操作所输出的特征图的上采样结果以及对应的所述第一卷积操作输出的特征图的复制结果，每个层级的所述第二卷积操作包括多次卷积过程；其中，所述N-1层级第二卷积操作中最后一个层级的所述第二卷积操作的输出结果为所述空间变换参数。在本申请一实施例中，所述卷积过程包括卷积核尺寸为3×3的卷积层和激活层。在本申请一实施例中，所述下采样结果通过2×2的最大池化层操作获得；和/或，所述上采样结果通过卷积核尺寸为2×2的反卷积操作获得。在本申请一实施例中，所述根据所述乳腺影像和所述空间变换参数获取配准后影像包括：根据所述空间变换参数确定所述配准后影像中每个像素在所述乳腺影像中的对应像素位置，将所述对应像素位置处的像素值作为该像素的像素值。在本申请一实施例中，所述根据所述乳腺影像和所述空间变换参数获取配准后影像进一步包括：当根据所述空间变换参数确定的所述配准后影像中的像素的所述对应像素位置坐标不是整数值时，获取所述对应像素位置周围临近的多个整数值坐标的像素值；以及根据所述多个整数值坐标的像素值确定该像素的像素值。在本申请一实施例中，所述根据所述多个整数值坐标的像素值确定该像素的像素值包括：将所述多个整数值坐标的像素值进行加权求和以确定该像素的像素值，其中，距离所述对应像素位置越近的整数值坐标的像素值的权重越大。在本申请一实施例中，在将乳腺影像和标准乳腺影像输入参数提取网络模型以获取空间变换参数之前，所述方法进一步包括：将原始乳腺影像与所述标准乳腺影像进行对比获取线性变换参数；以及基于所述线性变换参数对所述原始乳腺影像进行图像整体位置变换以获取所述乳腺影像。在本申请一实施例中，在将乳腺影像和标准乳腺影像输入参数提取网络模型以获取空间变换参数之前，所述方法进一步包括：将所述乳腺影像进行图像特征增强处理，其中，所述图像特征增强处理包括以下处理方式中的一种或多种组合：图像加窗处理和S型生长曲线函数处理。在本申请一实施例中，所述将原始乳腺影像与所述标准乳腺影像进行对比获取线性变换参数包括：对所述原始乳腺影像进行图像分析以判断出所述原始乳腺影像的投照位；根据所述投照位，基于所述原始乳腺影像提取原始乳腺区域信息；获取与所述投招位对应的所述标准乳腺影像，提取所述标准乳腺影像中的标准乳腺区域信息；以及将所述原始乳腺区域信息与所述标准乳腺区域信息对比以获取所述线性变换参数。在本申请一实施例中，所述方法进一步包括：基于所述乳腺影像和所述配准后影像的相似性误差调整所述参数提取网络模型的模型参数；和/或，基于所述参数提取网络模型的复杂性误差调整所述参数提取网络模型的模型参数。根据本申请的另一方面，本申请一实施例提供的一种乳腺影像配准装置包括：参数提取网络模型，配置为基于乳腺影像和标准乳腺影像获取空间变换参数，其中，所述空间变换参数包括所述配准后影像中每个像素与所述乳腺影像中与该像素对应的像素之间的位置对应关系；以及空间变换模块，配置为根据所述乳腺影像和所述空间变换参数获取配准后影像；其中，所述参数提取网络模型为通过无监督训练过程建立的卷积神经网络模型。在本申请一实施例中，所述参数提取网络模型包括：拼接模块，配置为将所述乳腺影像和所述标准乳腺影像拼接为一张拼接影像，其中所述乳腺影像和所述标准乳腺影像对应所述拼接影像的不同通道区域；第一卷积模块，配置为对所述拼接影像进行N层级第一卷积操作，其中每个层级的所述第一卷积操作的输入对象为上一层级的所述第一卷积操作所输出的特征图的下采样结果，每个层级的所述第一卷积操作包括多次卷积过程；以及第二卷积模块，配置为将所述N层级第一卷积操作中最后一个层级的所述第一卷积操作输出的特征图进行N-1层级第二卷积操作，其中所述N-1层级第二卷积操作与所述N层级第一卷积操作中的前N-1层级所述第一卷积操作相对应，每个层级的所述第二卷积操作的输入对象包括上一层级的所述第二卷积操作所输出的特征图的上采样结果以及对应的所述第一卷积操作输出的特征图的复制结果，每个层级的所述第二卷积操作包括多次卷积过程；其中，所述N-1层级第二卷积操作中最后一个层级的所述第二卷积操作的输出结果为所述空间变换参数。在本申请一实施例中，所述卷积过程包括卷积核尺寸为3×3的卷积层和激活层。在本申请一实施例中，所述下采样结果通过2×2的最大池化层操作获得；和/或，所述上采样结果通过卷积核尺寸为2×2的反卷积操作获得。在本申请一实施例中，所述空间变换模块进一步配置为：根据所述空间变换参数确定所述配准后影像中每个像素在所述乳腺影像中的对应像素位置，将所述本文档来自技高网...

【技术保护点】
1.一种乳腺影像配准方法，其特征在于，包括：/n将乳腺影像和标准乳腺影像输入参数提取网络模型以获取空间变换参数，其中，所述空间变换参数包括所述配准后影像中每个像素与所述乳腺影像中与该像素对应的像素之间的位置对应关系；以及/n根据所述乳腺影像和所述空间变换参数获取配准后影像；/n其中，所述参数提取网络模型为通过无监督训练过程建立的卷积神经网络模型。/n

【技术特征摘要】
1.一种乳腺影像配准方法，其特征在于，包括：
将乳腺影像和标准乳腺影像输入参数提取网络模型以获取空间变换参数，其中，所述空间变换参数包括所述配准后影像中每个像素与所述乳腺影像中与该像素对应的像素之间的位置对应关系；以及
根据所述乳腺影像和所述空间变换参数获取配准后影像；
其中，所述参数提取网络模型为通过无监督训练过程建立的卷积神经网络模型。


2.根据权利要求1所述的方法，其特征在于，所述将乳腺影像和标准乳腺影像输入参数提取网络模型以获取空间变换参数包括：
将所述乳腺影像和所述标准乳腺影像拼接为一张拼接影像，其中所述乳腺影像和所述标准乳腺影像对应所述拼接影像的不同通道区域；
对所述拼接影像进行N层级第一卷积操作，其中每个层级的所述第一卷积操作的输入对象为上一层级的所述第一卷积操作所输出的特征图的下采样结果，每个层级的所述第一卷积操作包括多次卷积过程；以及
将所述N层级第一卷积操作中最后一个层级的所述第一卷积操作输出的特征图进行N-1层级第二卷积操作，其中所述N-1层级第二卷积操作与所述N层级第一卷积操作中的前N-1层级所述第一卷积操作相对应，每个层级的所述第二卷积操作的输入对象包括上一层级的所述第二卷积操作所输出的特征图的上采样结果以及对应的所述第一卷积操作输出的特征图的复制结果，每个层级的所述第二卷积操作包括多次卷积过程；
其中，所述N-1层级第二卷积操作中最后一个层级的所述第二卷积操作的输出结果为所述空间变换参数。


3.根据权利要求2所述的方法，其特征在于，所述卷积过程包括卷积核尺寸为3×3的卷积层和激活层。


4.根据权利要求2所述的方法，其特征在于，所述下采样结果通过2×2的最大池化层操作获得；和/或，
所述上采样结果通过卷积核尺寸为2×2的反卷积操作获得。


5.根据权利要求1所述的方法，其特征在于，所述根据所述乳腺影像和所述空间变换参数获取配准后影像包括：
根据所述空间变换参数确定所述配准后影像中每个像素在所述乳腺影像中的对应像素位置，将所述对应像素位置处的像素值作为该像素的像素值。


6.根据权利要求5所述的方法，其特征在于，所述根据所述乳腺影像和所述空间变换参数获取配准后影像进一步包括：
当根据所述空间变换参数确定的所述配准后影像中的像素的所述对应像素位置坐标不是整数值时，获取所述对应像素位置周围临近的多个整数值坐标的像素值；以及
根据所述多个整数值坐标的像素值确定该像素的像素值。


7.根据权利要求6所述的方法，其特征在于，所述根据所述多个整数值坐标的像素值确定该像素的像素值包括：
将所述多个整数值坐标的像素值进行加权求和以确定该像素的像素...

【专利技术属性】
技术研发人员：孙岩峰，陈宽，王少康，
申请(专利权)人：北京推想科技有限公司，
类型：发明
国别省市：北京;11