一种图像配准方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种图像配准方法、装置、设备及存储介质，该方法包括：确定出第一参考图像及第一待配准图像，利用深度学习模型基于第一参考图像及第一待配准图像得到转换参数，利用该转换参数对第一待配准图像进行空间转换得到第二待配准图像；按照预设规则得到第二转换参数，利用第二转换参数对第二待配准图像进行空间转换，计算空间转换所得图像与第一参考图像的相似性测度，如果相似性测度满足要求，则确定完成第二待配准图像当前进行图像配准所需的空间转换，否则，返回执行按照预设规则得到第二转换参数的步骤。本申请能够实现病理图像的精准配准。图像的精准配准。图像的精准配准。

【技术实现步骤摘要】
一种图像配准方法、装置、设备及存储介质


[0001]本专利技术涉及图像处理
，更具体地说，涉及一种图像配准方法、装置、设备及存储介质。

技术介绍

[0002]图像配准是多图像融合和三维建模的前提，在病理图像认知过程中，单一模态的图像只能提供单个维度的视角，图像中的空间信息难以全方位展示；多种模式或同一模式的多次成像通过配准融合，可以实现感兴趣区域的信息增强和上下文信息补全，从而在一幅图像上同时表达来自多种成像源的信息，医生就能做出更加准确的诊断或制定出更加合适的治疗方法。但是目前并不存在一种能够针对病理图像实现精准配准的技术方案。

技术实现思路

[0003]本专利技术的目的是提供一种图像配准方法、装置、设备及存储介质，能够实现病理图像的精准配准。
[0004]为了实现上述目的，本专利技术提供如下技术方案：
[0005]一种图像配准方法，包括：
[0006]确定第一病理图像为第一参考图像，第二病理图像为第一待配准图像，利用深度学习模型基于所述第一参考图像及所述第一待配准图像得到相应空间转换参数为第一转本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像配准方法，其特征在于，包括：确定第一病理图像为第一参考图像，第二病理图像为第一待配准图像，利用深度学习模型基于所述第一参考图像及所述第一待配准图像得到相应空间转换参数为第一转换参数，利用所述第一转换参数对所述第一待配准图像进行空间转换，并将空间转换所得图像作为第二待配准图像；其中，所述深度学习模型为预先利用历史上需要实现配准的病理图像及相应空间转换参数训练得到的；按照预设规则得到相应空间转换参数为第二转换参数，利用所述第二转换参数对所述第二待配准图像进行空间转换，并计算空间转换所得图像与所述第一参考图像的相似性测度，如果所述相似性测度满足要求，则确定完成所述第二待配准图像当前进行图像配准所需的空间转换，否则，返回执行按照预设规则得到相应空间转换参数作为第二转换参数的步骤。2.根据权利要求1所述的方法，其特征在于，还包括：确定所述第一病理图像为第三待配准图像，所述第二病理图像为第二参考图像，利用所述深度学习模型基于所述第二参考图像及所述第三待配准图像得到相应空间转换参数为第三转换参数，利用所述第三转换参数对所述第三待配准图像进行空间转换，并将空间转换所得图像作为第四待配准图像；按照所述预设规则得到相应空间转换参数为第四转换参数，利用所述第四转换参数对所述第三待配准图像进行空间转换，并计算空间转换所得图像与所述第二参考图像的相似性测度，如果所述相似性测度满足要求，则确定完成所述第四待配准图像当前进行图像配准所需的空间转换，否则，返回执行按照所述预设规则得到相应空间转换参数为第四转换参数的步骤；利用所述第四转换参数对所述第四待配准图像进行空间转换之后，还包括：按照下列公式计算配准后病理图像I，以基于病理图像I进行运动补偿：I＝Wt(Tr1(I1)+Tr2(I2))，其中，Wt为预设的加权函数，Tr1(I1)为完成所述第二待配准图像当前进行图像配准所需的空间转换后所得图像，Tr2(I2)为完成所述第四待配准图像当前进行图像配准所需的空间转换后所得图像。3.根据权利要求2所述的方法，其特征在于，预设所述加权函数，包括：如果当前存在针对同一区域的多个按照相应顺利排列的病理图像均需要进行配准，则按照病理图像越靠近该多个病理图像的两端相应加权函...

【专利技术属性】
技术研发人员：刘军文，徐阳，金朝汇，谌明，
申请(专利权)人：浙江核新同花顺网络信息股份有限公司，
类型：发明
国别省市：