【技术实现步骤摘要】
本专利技术涉及一种，借助机器学习的方法，在立体脑图像的每个点上学习最优属性向量，用以准确地表示该点的特征，并且层次化地挑选图像中的关键点，从而提高弹性配准的精度和鲁棒性。本专利技术可以为后续的图像融合、精确定位病灶、手术计划的制定及疗效跟踪等临床应用奠定基础，涉及图像弹性配准，机器学习，立体核磁共振脑(MR)图像等领域。
技术介绍
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。本专利技术主要针对的是三维图像之间的弹性配准问题。大多数的配准算法可以分为基于控制点和基于像素的两大类。基...
【技术保护点】
一种基于机器学习的立体核磁共振脑图像弹性配准方法，其特征在于包括如下步骤： １）训练数据的准备：采集足够的立体核磁共振脑图像建立训练样本集，训练样本集图像中的每个点上应该包括所有可能在图像配准中使用的属性向量，然后从训练样本集中挑选一个样本作为参考图像；对于训练样本集中的每个个体图像，先将其与参考图像进行线性配准，然后再用现有的弹性配准算法进行非线性配准，得到两幅图像之间的位移场，再通过位移场得到两幅图像点和点之间的对应关系，由此得到训练集中所有个体图像与参考图像之间的对应关系； ２）最优属性向量的确定：根据参考图像的局部信息，用机器学习的方法确定参考图像中每个...
【技术特征摘要】
【专利技术属性】
技术研发人员：吴国荣，戚飞虎，沈定刚，史勇红，栾红霞，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：31[中国|上海]
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。