图像配准方法、装置、计算机设备和可读存储介质制造方法及图纸

本发明专利技术涉及一种图像配准方法、装置、计算机设备和可读存储介质，该方法包括：获取待配准图像和参考图像；待配准图像和参考图像为不同模态的图像；将待配准图像和参考图像分别输入预设的特征提取模型，得到待配准图像的特征和参考图像的特征；待配准图像的特征和参考图像的特征为同一特征空间中的特征；将待配准图像的特征和参考图像的特征输入预设的变形场预测模型，得到将待配准图像配准到参考图像的变形场；根据变形场，对待配准图像进行图像配准。该方法能够对待配准图像进行准确有效地配准，提高了对待配准图像的配准效率和准确度。

Image registration method, device, computer equipment and readable storage medium

【技术实现步骤摘要】
图像配准方法、装置、计算机设备和可读存储介质
本专利技术涉及医学图像领域，特别是涉及一种图像配准方法、装置、计算机设备和可读存储介质。
技术介绍
图像配准是将两幅不同模态的图像进行空间匹配的过程，例如，将图像A配准到图像B的过程中，B是参考图像，A是浮动图像，得到的结果是图像A配准到图像B的空间变换关系。图像配准是医学影像处理的基础，在图像信息融合、辅助诊断、手术规划、手术导航以及医学基础理论研究等领域发挥着十分重要的作用。图像配准的本质是将两张图像的内容一一匹配。传统技术中，对不同模态的图像进行图像配准时，例如，对模态为A的图像和模态为B的图像进行配准时，是先将模态为A的图像转换为模态为B的图像，然后利用同模态的配准方法，对不同模态的图像进行配准。但是，传统的图像配准方法存在配准结果不准确的问题。
技术实现思路
基于此，有必要针对传统的图像配准方法存在配准结果不准确的问题，提供一种图像配准方法、装置、计算机设备和可读存储介质。第一方面，本专利技术实施例提供一种图像配准方法，所述方法包括：获取本文档来自技高网...

【技术保护点】
1.一种图像配准方法，其特征在于，所述方法包括：/n获取待配准图像和参考图像；所述待配准图像和所述参考图像为不同模态的图像；/n将所述待配准图像和所述参考图像分别输入预设的特征提取模型，得到所述待配准图像的特征和所述参考图像的特征；所述待配准图像的特征和所述参考图像的特征为同一特征空间中的特征；/n将所述待配准图像的特征和所述参考图像的特征输入预设的变形场预测模型，得到将所述待配准图像配准到所述参考图像的变形场；/n根据所述变形场，对所述待配准图像进行图像配准。/n

【技术特征摘要】
1.一种图像配准方法，其特征在于，所述方法包括：
获取待配准图像和参考图像；所述待配准图像和所述参考图像为不同模态的图像；
将所述待配准图像和所述参考图像分别输入预设的特征提取模型，得到所述待配准图像的特征和所述参考图像的特征；所述待配准图像的特征和所述参考图像的特征为同一特征空间中的特征；
将所述待配准图像的特征和所述参考图像的特征输入预设的变形场预测模型，得到将所述待配准图像配准到所述参考图像的变形场；
根据所述变形场，对所述待配准图像进行图像配准。


2.根据权利要求1所述的方法，其特征在于，所述预设的特征提取模型包括第一特征提取模型和第二特征提取模型；所述将所述待配准图像和所述参考图像分别输入预设的特征提取模型，得到所述待配准图像的特征和所述参考图像的特征，包括：
将所述待配准图像输入所述第一特征提取模型，得到所述待配准图像的特征；
将所述参考图像输入所述第二特征提取模型，得到所述参考图像的特征。


3.根据权利要求2所述的方法，其特征在于，所述预设的特征提取模型的训练过程包括：
获取第一样本图像和第二样本图像；所述第一样本图像和所述第二样本图像为两幅不同模态的图像；
将所述第一样本图像输入预设的第一初始神经网络，得到第一样本特征及第一预测图像；所述第一预测图像的模态与所述第二样本图像的模态相同；
将所述第一预测图像和所述第二样本图像输入预设的第一初始判别网络，得到所述第一预测图像的第一判别结果；根据所述第一判别结果与所述第二样本图像的真伪属性，对所述第一初始判别网络进行训练，得到第一判别网络；所述第一判别结果用于指示所述第一预测图像的真伪属性；
将所述第二样本图像输入预设的第二初始神经网络，得到第二样本特征及第二预测图像；所述第二预测图像的模态与所述第一样本图像的模态相同；
将所述第二预测图像和所述第一样本图像输入预设的第二初始判别网络，得到所述第二预测图像的第二判别结果；根据所述第二判别结果与所述第一样本图像的真伪属性，对所述第二初始判别网络进行训练，得到第二判别网络；所述第二判别结果用于指示所述第二预测图像的真伪属性；
根据所述第一样本图像、所述第二样本图像、所述第一预测图像、所述第二预测图像、所述第一样本特征、所述第二样本特征、所述第一判别结果与所述第二判别结果，分别对所述第一初始神经网络、所述第二初始神经网络进行训练，得到所述第一特征提取模型、所述第二特征提取模型。


4.根据权利要求3所述的方法，其特征在于，所述根据所述第一样本图像、所述第二样本图像、所述第一预测图像、所述第二预测图像、所述第一样本特征、所述第二样本特征、所述第一判别结果与所述第二判别结果，分别对所述第一初始神经网络、所述第二初始神经网络进行训练，得到所述第一特征提取模型、所述第二特征提取模型，包括：
根据所述第一判别结果，得到第一损失函数的值；
根据所述第二判别结果，得到第二损失函数的值；
将所述第二预测图像输入所述第一初始神经网络，得到第三样本特征及第三预测图像；所述第三预测图像的模态与所述第二样本图像的模态相同；
将所述第一预测图像输入所述第二初始神经网络，得到第四样本特征及第四预测...

【专利技术属性】
技术研发人员：曲国祥，马姗姗，曹晓欢，薛忠，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：上海;31