【技术实现步骤摘要】
一种分区域递进式脑图像弹性配准方法及系统
本专利技术涉及医学图像处理
，尤其涉及一种分区域递进式脑图像弹性配准方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。医学图像配准具有很重要的临床应用价值，对使用各种不同或相同的成像手段获得的医学图像进行配准不仅可以用于医疗诊断，还可以用于手术计划的制定、放射治疗计划的制定、病理变化的跟踪和治疗效果的评价等各方面。立体脑图像的非线性配准是近年来医学图像处理领域的研究热点。所谓图像配准实际上是指寻求两幅图像间一对一映射关系，也就是说，要将两幅图像中对应于空间同一位置的点联系起来。这里的映射一般称为变换，在二维空间中表现为二维变换，在三维空间中表现为三维变换。实际配准过程中，根据不同的特点和要求既可以采用简单的刚体变换，也可以采用较复杂的弹性形变。目前的配准算法可以分为传统配准方法和基于深度学习的配准两大类。传统配准方法通过优化迭代的方式实现配准，这类算法的优点在于简单直接，不需要复杂的优化算法，而缺点是需要人工...
【技术保护点】
1.一种分区域递进式脑图像弹性配准方法，其特征在于，包括：/n获取待识别的脑图像；/n将待识别的脑图像输入训练好的脑图像弹性配准模型中，获取脑图像配准结果；/n其中，脑图像弹性配准模型包括深度学习配准模型Ⅰ和深度学习配准模型Ⅱ，将待识别的脑图像输入训练好的深度学习配准模型Ⅰ中输出脑组织边界配准图像，将脑组织边界配准图像输入训练好的深度学习配准模型Ⅱ中输出脑组织内部配准图像，将脑组织边界配准图像和脑组织内部配准图像进行叠加获得脑图像配准结果。/n
【技术特征摘要】
1.一种分区域递进式脑图像弹性配准方法，其特征在于，包括：
获取待识别的脑图像；
将待识别的脑图像输入训练好的脑图像弹性配准模型中，获取脑图像配准结果；
其中，脑图像弹性配准模型包括深度学习配准模型Ⅰ和深度学习配准模型Ⅱ，将待识别的脑图像输入训练好的深度学习配准模型Ⅰ中输出脑组织边界配准图像，将脑组织边界配准图像输入训练好的深度学习配准模型Ⅱ中输出脑组织内部配准图像，将脑组织边界配准图像和脑组织内部配准图像进行叠加获得脑图像配准结果。
2.如权利要求1所述的分区域递进式脑图像弹性配准方法，其特征在于：深度学习配准模型Ⅰ和深度学习配准模型Ⅱ的训练过程为：
获取包含大脑图像及对应的脑组织边界信息的训练样本集；
利用训练样本对深度学习配准模型Ⅰ进行训练，输出的脑组织边界配准后图像和图像分割数据；
通过脑组织边界配准后图像和图像分割数据对深度学习配准模型Ⅱ进行训练。
3.如权利要求2所述的分区域递进式脑图像弹性配准方法，其特征在于，获得脑组织边界信息的过程为：
获取立体核磁共振脑图像建立训练样本集；
从训练样本集中选取一个样本作为参考图像；
将训练样本集中的脑图像与参考图像进行配准分割，获得不同的脑组织边界信息。
4.如权利要求1所述的分区域递进式脑图像弹性配准方法，其特征在于，将脑组织边界配准图像和脑组织内部配准图像进行叠加获得脑图像配准结果时，添加平滑约束。
...
【专利技术属性】
技术研发人员：张林涛，胡顺波，李国强，傅德谦，
申请(专利权)人：临沂大学，
类型：发明
国别省市：山东;37
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。