【技术实现步骤摘要】
基于卷积神经网络的端到端大脑核磁共振图像配准方法
本专利技术涉及一种基于卷积神经网络的端到端大脑核磁共振图像配准方法，属于医学图像处理领域。
技术介绍
随着计算机技术和成像设备的不断革新，医学成像技术逐渐向高分辨率、高精度和高维度趋势发展。不同模态医学图像拥有各自的优缺点而且能够反映不同组织的生理信息，如核磁共振成像(MRI)是适用于反映软组织信息，正电子发射断层成像(PET)能够反映组织新陈代谢信息，适用于肿瘤检测。不同模态图像融合将能给医生提供更丰富、全面的信息，从而提高诊断精度。医学图像配准是保证医学图像正确融合的重要环节。医学图像配准利用某种优化策略在几何变换空间中寻找能够让两幅或多幅医学图像间达到最大相似性的最优几何变换，使得几何变换后的两幅或多幅医学图像中对应的解剖组织结构处于同一坐标系统中的相同位置，一般地，医学图像配准可以表示为以下优化过程：其中，和表示几何变换参数(例：仿射变换参数)，Similarity(*)是相似性度量函数，If和Im分别表示目标图像(参考图像)和待配准图像(浮动...
【技术保护点】
1.一种基于卷积神经网络的端到端大脑核磁共振图像配准方法，其特征在于，包括有如下步骤：/n1)选定需要进行配准的待配准图像和目标图像，并对其进行预处理；/n2)将两图像堆叠为一个2通道的块输入到仿射变换卷积神经网络模型以预测仿射变换参数，根据仿射变换参数对待配准图像进行几何变换得到预对齐图像，并根据仿射变换参数对单位网格进行几何变换得到对应的位移矢量场1；/n3)将预对齐图像与目标图像按步骤2)方式进行堆叠并输入到非线性变换卷积神经网络模型以预测位移矢量场2；/n4)利用位移矢量场2对位移矢量场1进行几何变换的结果与位移矢量场2进行相加得到融合后的最终位移矢量场，待配准图像...
【技术特征摘要】
1.一种基于卷积神经网络的端到端大脑核磁共振图像配准方法，其特征在于，包括有如下步骤：
1)选定需要进行配准的待配准图像和目标图像，并对其进行预处理；
2)将两图像堆叠为一个2通道的块输入到仿射变换卷积神经网络模型以预测仿射变换参数，根据仿射变换参数对待配准图像进行几何变换得到预对齐图像，并根据仿射变换参数对单位网格进行几何变换得到对应的位移矢量场1；
3)将预对齐图像与目标图像按步骤2)方式进行堆叠并输入到非线性变换卷积神经网络模型以预测位移矢量场2；
4)利用位移矢量场2对位移矢量场1进行几何变换的结果与位移矢量场2进行相加得到融合后的最终位移矢量场，待配准图像根据最终位移矢量场进行几何变换得到配准图像。
2.根据权利要求1所述的基于卷积神经网络的端到端大脑核磁共振图像配准方法，其特征在于：所述步骤1)中选定核磁共振图像大小为[A,B,C]，A和B为宽度和高度，C为切片数量，预处理的步骤包括：颅骨剥离以及归一化。
3.根据权利要求1所述的基于卷积神经网络的端到...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。