【技术实现步骤摘要】
本专利技术涉及医学图像处理，具体为一种基于深度学习的医学图像配准与分割联合训练方法。
技术介绍
1、医学图像配准技术是医学图像处理领域的一项关键技术，它涉及到将来自不同成像设备、不同时间点、不同个体或不同解剖层面的医学图像进行精确的空间对齐。这一技术的核心在于确保图像中的关键解剖点在空间坐标系中实现一致性，为医生提供准确、可靠的图像数据，从而促进更深入的医学分析和更精确的诊断。
2、在医学图像处理的发展历程中，虽然有大量的算法被提出来解决图像分割和配准的问题，但这些算法往往独立运作，缺乏对分割与配准之间相互依赖关系的深入理解。现有的一些尝试将分割与配准相结合的算法，尽管在某些方面取得了进展，但仍存在一些亟待解决的问题：
3、(1)在配准过程中，如果未能精确对齐图像，将导致标记数据的不准确。这种误差不仅会传递错误的监督信号，影响分割网络的学习效果，而且大范围的形变误差还可能破坏图像的真实解剖结构，从而误导分割网络学习到错误的特征表示，严重影响分割的精度和可靠性。
4、(2)同样，分割过程中产生的误差也会...
【技术保护点】
1.一种基于深度学习的医学图像配准与分割联合训练方法，其特征在于，包括具体步骤如下：
2.根据权利要求1所述的一种基于深度学习的医学图像配准与分割联合训练方法，其特征在于，所述步骤1中的预处理方法为：对原始医学图像进行归一化处理，获得归一化图像，获得归一化图像对应的原始分割标签；再将归一化图像和对应的原始分割标签的图像尺寸裁剪至相同，获得预处理图像和对应的真实分割标签。
3.根据权利要求1所述的一种基于深度学习的医学图像配准与分割联合训练方法，其特征在于，所述步骤2的具体步骤如下：
4.根据权利要求3所述的一种基于深度学习的医学图像...
【技术特征摘要】
1.一种基于深度学习的医学图像配准与分割联合训练方法，其特征在于，包括具体步骤如下：
2.根据权利要求1所述的一种基于深度学习的医学图像配准与分割联合训练方法，其特征在于，所述步骤1中的预处理方法为：对原始医学图像进行归一化处理，获得归一化图像，获得归一化图像对应的原始分割标签；再将归一化图像和对应的原始分割标签的图像尺寸裁剪至相同，获得预处理图像和对应的真实分割标签。
3.根据权利要求1所述的一种基于深度学习的医学图像配准与分割联合训练方法，其特征在于，所述步骤2的具体步骤如下：
4.根据权利要求3所述的一种基于深度学习的医学图像配准与分割联合训练方法，其特征在于，每个所述编码器使用2个卷积层和1个relu激活层，设定卷积层的卷积核大小、卷积步长、以及relu激活层参数。
5.根据权利要求4所述的一种基于深度学习的医学图像配准与分割联合训练方法，其特征在于，每个所述解码器的卷积层与编码器中卷积层的数量相同，每层使用2个卷积层和1个relu激活层，设定卷积层的卷积核大小、卷积步长、以及relu激活层参数，解码器中每层输出的特征图与编码器对应层输出的特征图...
【专利技术属性】
技术研发人员：孙宇平，黄业勤，凌捷，姚顺，柳毅，王国斌，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：
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。