一种配准模型的训练方法、存储介质及设备技术

本说明书公开了一种配准模型的训练方法、存储介质及设备，通过将第一图像及第二图像作为训练样本输入待训练的配准模型，得到形变场，以根据形变场对第二图像变换得到变换后的第二图像，根据该形变场对第二掩膜变换得到变换后的第二掩膜。根据变换后的第二掩膜与第一图像对应的第一掩膜内点的对应关系，确定第一掩膜至少部分点对应的位移之后，可根据第一图像与变换后的第二图像的相似度确定第一损失，并根据第一掩膜的至少部分点对应的位移确定第二损失。以根据第一损失与第二损失训练得到用于输出足够准确的形变场以准确确定配准结果的配准模型。果的配准模型。果的配准模型。

【技术实现步骤摘要】
一种配准模型的训练方法、存储介质及设备


[0001]本说明书涉及图像处理
，尤其涉及一种配准模型的训练方法、存储介质及设备。

技术介绍

[0002]图像配准在众多领域得到应用，例如，在医疗领域对不同人体的同一部位图像进行配准，以进行相关器官的研究，或者，对不同时期采集的同一患者的患病区域的图像进行配准等等。
[0003]现有的配准方法为将待配准的第一图像与第二图像输入用于配准的模型，得到形变场。在根据形变场将第二图像变换后，得到变换后的第二图像，实现第一图像与第二图像的配准。
[0004]然而，在训练现有的用于配准的模型时，通常仅基于第一图像与变换后的第二图像间的整体相似度确定损失。使得现有的配准方法存在输出的形变场不准确，导致基于形变场得到的配准结果精度低，配准得到的变换后的第二图像容易扭曲的问题。

技术实现思路

[0005]本说明书提供一种配准模型的训练方法、存储介质及设备，以至少部分的解决上述存在的问题。
[0006]本说明书采用下述技术方案：
[0007]本说明书提供了一种配准模型的训练方法，包括：
[0008]将第一图像及第二图像作为训练样本，并将所述训练样本输入待训练的配准模型，得到形变场；
[0009]根据所述形变场对所述第二图像变换得到变换后的第二图像；
[0010]获取所述第一图像对应的第一掩膜，以及所述第二图像对应的第二掩膜；
[0011]根据所述形变场对所述第二掩膜变换得到变换后的第二掩膜，并根据所述变换后的第二掩膜与所述第一掩膜内点的对应关系，确定所述第一掩膜至少部分点对应的位移；
[0012]根据所述第一图像与所述变换后的第二图像的相似度，确定第一损失，并根据所述第一掩膜的至少部分点对应的位移，确定第二损失；
[0013]以根据所述第一损失与所述第二损失确定的总损失最小为目标，对所述配准模型进行训练，得到训练完成的所述配准模型；
[0014]其中，训练完成的所述配准模型，用于根据输入的待配准图像对输出形变场，以根据得到的形变场确定配准结果。
[0015]可选地，所述第一图像与所述第二图像为三维图像；所述第一掩膜为所述第一图像的各层图像中目标器官或形态结构的掩膜；所述第二掩膜为所述第二图像的各层图像中所述目标器官或所述形态结构的掩膜；
[0016]根据所述变换后的第二掩膜与所述第一掩膜内点的对应关系，确定所述第一掩膜
至少部分点对应的位移，具体包括：
[0017]根据所述第一图像的各层图像中所述目标器官的掩膜，通过重建算法，得到所述目标器官网格表面模型；
[0018]根据所述网格表面模型的各顶点，确定所述第一掩膜的各表面点；
[0019]根据所述变换后的第二掩膜与所述第一掩膜内点的对应关系，确定所述第一掩膜各表面点对应的位移。
[0020]可选地，根据所述第一掩膜的至少部分点对应的位移，确定第二损失，具体包括：
[0021]根据所述第一掩膜的各表面点对应的位移，确定第二损失。
[0022]可选地，根据所述第一掩膜的各表面点对应的位移，确定第二损失，具体包括：
[0023]针对所述第一掩膜的每个表面点，从其他表面点中确定该表面点的各相邻点；
[0024]确定该表面点分别与该表面点的各相邻点的位移差，得到该表面点对应的各位移差；
[0025]根据确定出的各表面点对应的位移差，确定第二损失。
[0026]可选地，所述第一图像与所述第二图像皆为由多层图像构成的三维图像；所述第一掩膜为所述第一图像的每层图像中目标器官或形态结构的掩膜；所述第二掩膜为所述第二图像的每层图像中所述目标器官或所述形态结构的掩膜；
[0027]根据所述变换后的第二掩膜与所述第一掩膜内点的对应关系，确定所述第一掩膜至少部分点对应的位移，具体包括：
[0028]根据所述第一图像的各层图像中所述目标器官的掩膜，通过重建算法，得到所述目标器官的网格表面模型；
[0029]确定所述第一掩膜在指定方向上的若干切片；
[0030]根据所述网格表面模型的各顶点，确定所述第一掩膜各切片分别对应的轮廓点，作为所述第一掩膜的各轮廓点；
[0031]根据所述变换后的第二掩膜与所述第一掩膜内点的对应关系，确定所述第一掩膜各轮廓点对应的位移。
[0032]可选地，根据所述第一掩膜的至少部分点对应的位移，确定第二损失，具体包括：
[0033]根据所述第一掩膜的各轮廓点对应的位移，确定第二损失。
[0034]可选地，根据所述第一掩膜的各轮廓点对应的位移，确定第二损失，具体包括：
[0035]针对所述第一掩膜的每一层切片，确定该层切片对应的各轮廓点在所述指定方向上的位移的均值；
[0036]针对该层切片对应的每个轮廓点，根据该轮廓点在所述指定方向上的位移与所述均值的差异，确定该轮廓点对应的位移差；
[0037]根据各层切片中各轮廓点对应的位移差，确定第二损失。
[0038]可选地，所述第一图像与所述第二图像为二维图像；所述第一掩膜为所述第一图像中目标器官或形态结构的掩膜；所述第二掩膜为所述第二图像中所述目标器官或所述形态结构的掩膜；
[0039]根据所述变换后的第二掩膜与所述第一掩膜内点的对应关系，确定所述第一掩膜至少部分点对应的位移，具体包括：
[0040]根据所述变换后的第二掩膜与所述第一掩膜内点的对应关系，以及所述第二掩膜
内点对应的位移，确定所述第一掩膜内各点分别对应的位移；
[0041]根据所述第一掩膜的至少部分点对应的位移，确定第二损失，具体包括：
[0042]针对所述第一掩膜内每个点，从所述第一掩膜内其他点中确定该点的各相邻点；
[0043]确定该点分别与该点的各相邻点的位移差，得到该点对应的各位移差；
[0044]根据确定出的所述第一掩膜内各点对应的位移差，确定第二损失。
[0045]可选地，以根据所述第一损失与所述第二损失确定的总损失最小为目标，对所述配准模型进行训练，具体包括：
[0046]针对所述第一掩膜中每个位置，确定在所述第一掩膜中该位置的掩膜值，与在所述变换后的第二掩膜中该位置的掩膜值的差异；
[0047]根据各位置对应的掩膜值的差异，确定第三损失；
[0048]根据所述第一损失、所述第二损失以及所述第三损失，确定总损失；
[0049]以所述总损失最小为目标，对所述配准模型进行训练。
[0050]本说明书提供了一种配准模型的训练装置，包括：
[0051]输入模块，用于将第一图像及第二图像作为训练样本，并将所述训练样本输入待训练的配准模型，得到形变场；
[0052]配准模块，用于根据所述形变场对所述第二图像变换得到变换后的第二图像；
[0053]获取模块，用于获取所述第一图像对应的第一掩膜，以及所述第二图像对应的第二掩膜；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种配准模型的训练方法，其特征在于，包括：将第一图像及第二图像作为训练样本，并将所述训练样本输入待训练的配准模型，得到形变场；根据所述形变场对所述第二图像变换得到变换后的第二图像；获取所述第一图像对应的第一掩膜，以及所述第二图像对应的第二掩膜；根据所述形变场对所述第二掩膜变换得到变换后的第二掩膜，并根据所述变换后的第二掩膜与所述第一掩膜内点的对应关系，确定所述第一掩膜至少部分点对应的位移；根据所述第一图像与所述变换后的第二图像的相似度，确定第一损失，并根据所述第一掩膜的至少部分点对应的位移，确定第二损失；以根据所述第一损失与所述第二损失确定的总损失最小为目标，对所述配准模型进行训练，得到训练完成的所述配准模型；其中，训练完成的所述配准模型，用于根据输入的待配准图像对输出形变场，以根据得到的形变场确定配准结果。2.如权利要求1所述的方法，其特征在于，所述第一图像与所述第二图像为三维图像；所述第一掩膜为所述第一图像的各层图像中目标器官或形态结构的掩膜；所述第二掩膜为所述第二图像的各层图像中所述目标器官或所述形态结构的掩膜；根据所述变换后的第二掩膜与所述第一掩膜内点的对应关系，确定所述第一掩膜至少部分点对应的位移，具体包括：根据所述第一图像的各层图像中所述目标器官的掩膜，通过重建算法，得到所述目标器官网格表面模型；根据所述网格表面模型的各顶点，确定所述第一掩膜的各表面点；根据所述变换后的第二掩膜与所述第一掩膜内点的对应关系，确定所述第一掩膜各表面点对应的位移。3.如权利要求2所述的方法，其特征在于，根据所述第一掩膜的至少部分点对应的位移，确定第二损失，具体包括：根据所述第一掩膜的各表面点对应的位移，确定第二损失。4.如权利要求3所述的方法，其特征在于，根据所述第一掩膜的各表面点对应的位移，确定第二损失，具体包括：针对所述第一掩膜的每个表面点，从其他表面点中确定该表面点的各相邻点；确定该表面点分别与该表面点的各相邻点的位移差，得到该表面点对应的各位移差；根据确定出的各表面点对应的位移差，确定第二损失。5.如权利要求1所述的方法，其特征在于，所述第一图像与所述第二图像皆为由多层...

【专利技术属性】
技术研发人员：曹晓欢，金湛，
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：