【发明公布】一种基于Swin Transformer和CNN双分支耦合的图像配准方法_南京理工大学_202210650873.1 

申请/专利权人:南京理工大学

申请日:2022-06-10

公开(公告)日:2022-09-20

公开(公告)号:CN115082293A

主分类号:G06T3/00

分类号:G06T3/00;G06T3/40;G06N3/04;G06N3/08

优先权:

专利状态码:在审-公开

法律状态:2022.09.20#公开

摘要:本发明公开了一种基于SwinTransformer和CNN双分支耦合的图像配准方法。该方法包括以下步骤:1、对原始数据中所有图像进行执行灰度值归一化、中心裁剪和重采样等标准的预处理步骤;2、将浮动图像和固定图像拼接后送入配准网络,并行经过SwinTransformer和CNN两个编码器分支;3、在SwinTransformer的每一个阶段,通过双分支特征耦合模块将SwinTransformer特征映射与对应分辨率的CNN特征映射进行特征交互与融合;4、解码器自适应调整来自编码器的深层特征与来自上层的特征,最后输出浮动图像和固定图像之间的形变场;5、将浮动图像和形变场输入空间变换网络,得到配准图像。6、计算配准图像与固定图像之间的相似性损失以及形变场的正则化损失,经反向传播训练网络。本发明使用SwinTransformer与CNN双分支进行特征提取,充分利用两种分支的优点,实现了特征互补。

主权项:1.一种基于SwinTransformer和CNN双分支耦合的图像配准方法,其特征在于,包括以下步骤:第一步:对原始数据中所有图像进行执行灰度值归一化、中心裁剪、重采样和仿射变换这些标准的预处理;第二步:将浮动图像和固定图像拼接后送入配准网络,并行经过SwinTransformer和CNN两个编码器分支;第三步:在SwinTransformer的每一个阶段,通过双分支特征耦合模块将SwinTransformer特征映射与对应分辨率的CNN特征映射进行特征交互与融合;第四步:解码器自适应调整来自编码器的深层特征与来自上层的特征,最后输出浮动图像和固定图像之间的形变场;第五步:将浮动图像和形变场输入空间变换网络,得到配准图像;第六步:计算配准图像与固定图像之间的相似性损失以及形变场的正则化损失,经反向传播训练网络。

全文数据:

权利要求:

百度查询: 南京理工大学 一种基于Swin Transformer和CNN双分支耦合的图像配准方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。