一种基于STCWSF-UNet的脑部MR图像配准方法技术

本发明专利技术公开了基于STCWSF‑UNet（Swin Transformer，ConvFormer With Skip Fusion‑UNet）的脑部核磁共振（Magnetic Resonance，MR）图像配准方法，该方法包括：设计STCWSF‑UNet的编码器结构，在编码器部分使用SwinTransformer模块进行特征提取，扩大了模型的感受野，使模型更有效地捕捉图像中的局部和全局信息，从而建立图像之间的长距离空间对应关系，并且在编码器的最后阶段引入卷积注意力模块（ConvFormer），在保留位置信息的基础上减小特征尺寸，通过以上操作解决了网络感受野受限，注意力崩溃问题；设计STCWSF‑UNet的解码器部分结构，在原U‑Net解码器结构基础上引入Skip Fusion模块的解码器结构，利用Skip Fusion解码器的组卷积和逐点卷积能够有效地进行特征融合并提高特征图的分辨率，同时保留重要特征；完成对STCWSF‑UNet模型的训练；使用评价指标评估模型的配准性能。

【技术实现步骤摘要】

本专利技术属于医学核磁共振图像配准，具体涉及一种基于stcwsf-unet的脑部mr图像配准方法，具体为一种结合swin transformer，卷积注意力(convformer)和跳过融合(skip fusion)方法的改进u-net模型的图像配准方法。

技术介绍

1、核磁成像技术的发展对大脑的研究影响极大。自1977年人类第一张身体核磁共振图像问世，核磁共振成像作为一种新的非侵入性诊断手段进入医学界。经过几十年发展，现在的核磁共振成像设备不仅体积较小、速度快，而且成像质量好，为多种疾病的诊断提供可靠的依据；并且，核磁共振成像完全依靠磁场，不会造成射线损伤。临床上，mr图像对软组织、血管及其他器官的解剖结构能够很好的显示，不存在骨伪影干扰，无需造影剂就能够显示血管结构等优点。当前核磁共振成像是大脑研究中应用最广泛的成像方式。但是，由于不同的mr设备得到的mr图像在空间位置上并没有对齐。要想更好的利用脑部mr图像，需对mr设备扫描得到的mr图像进行配准。

2、图像配准是指寻找两幅图像之间像素点的空间映射关系，将其中一个图像或者多个图像对齐到其他本文档来自技高网...

【技术保护点】

1.一种基于STCWSF-UNet的脑部MR图像配准方法，其特征在于：该方法具体包括：

2.根据权利要求1所述的基于STCWSF-UNet的脑部MR图像配准方法，其特征在于：步骤1的数据预处理中，将固定MR图像和待配准MR图像堆叠在一起，读取一个尺寸为H*W*L*2的图像张量，其中2是图像数也是通道数，H表示高度，指的是张量中数据的垂直方向的维度；W表示宽度，指的是张量中数据的水平方向的维度；L表示深度，指的是张量中数据的第三维度。

3.根据权利要求1所述的基于STCWSF-UNet的脑部MR图像配准方法，其特征在于：在步骤2.1中，设计STCWSF-UNet的编...

【技术特征摘要】

1.一种基于stcwsf-unet的脑部mr图像配准方法，其特征在于：该方法具体包括：

2.根据权利要求1所述的基于stcwsf-unet的脑部mr图像配准方法，其特征在于：步骤1的数据预处理中，将固定mr图像和待配准mr图像堆叠在一起，读取一个尺寸为h*w*l*2的图像张量，其中2是图像数也是通道数，h表示高度，指的是张量中数据的垂直方向的维度；w表示宽度，指的是张量中数据的水平方向的维度；l表示深度，指的是张量中数据的第三维度。

3.根据权利要求1所述的基于stcwsf-unet的脑部mr图像配准方法，其特征在于：在步骤2.1中，设计stcwsf-unet的编码器结构；在stcwsf-unet的编码器阶段使用swintransformer进行特征提取和下采样，并在编码器的最后阶段引入卷积注意力模块convformer；

4.根据权利要求1所述的基于stcwsf-unet的脑部mr图像配准方法，其特征在于：在步骤2.2中，设计stcwsf-unet的解码器部分结构，在stcwsf-unet的解码器阶段引入skipfusion模块的解码器结构，步骤2.2具体包括：

5.根据权利要求1所述的基于stcwsf-unet的脑部mr图像配准方法，其特征在于：将整体结构分为模块①、模块②、模块③、模块④、模块⑤、模块⑥、模块⑦、模块⑧、模块⑨、模块⑩、模块⑪、模块⑫和模块⑬；其中编码器部分包括模块①、模块②、模块③、模块④、模块⑤、模块⑥和模块⑦七个模块，其中模块①的输入也为模块②的输入，也为模块③的输入，模块④、模块⑤和模块⑥这三个模块之间依次逐层连接，即模块④的输出作为模块⑤的输入，模块⑤的输出作为模块⑥的输入；之后模块⑥的输出作为卷积注意力模块⑦的输入，模块⑦的输出将作为解码器部分模块⑧的输入；除此之外，模块①-⑤的输出还将通过跳跃连接输入到解码器对应的模块中进行特征融合；解码器部分包括模块⑧、模块⑨、模块⑩、模块⑪和模块⑫五个模块，这...

【专利技术属性】
技术研发人员：钟玲，蒋贤钊，张雨泽，于思雨，曲照鑫，邓李苹，
申请(专利权)人：沈阳工业大学，
类型：发明
国别省市：