申请/专利权人:贵州大学
申请日:2020-11-03
公开(公告)日:2024-04-05
公开(公告)号:CN112132878B
主分类号:G06T7/33
分类号:G06T7/33;G06T7/37;G16H30/20
优先权:
专利状态码:有效-授权
法律状态:2024.04.05#授权;2021.01.12#实质审查的生效;2020.12.25#公开
摘要:本发明公开了一种基于卷积神经网络的端到端大脑核磁共振图像配准方法,解决了现有深度学习方法需要利用额外工具进行预对齐数据的技术问题。所述方法包括如下步骤:步骤一:对待配准图像和目标图像进行去除头骨操作并将其灰度值归一化到[0,1]内;步骤二:仿射变换卷积神经网络模型以待配准图像和目标图像为输入,预测出仿射变换参数;步骤三:根据仿射变换参数对待配准图像进行几何变换得到预对齐图像并计算出对应的位移矢量场;步骤四:将预对齐数据和目标图像输入到非线性变换卷积神经网络模型,其预测非线性变换所需的位移矢量场;步骤五:融合两个位移矢量场;步骤六:利用融合后位移矢量场对待配准图像进行几何变换得到结果配准图像。
主权项:1.一种基于卷积神经网络的端到端大脑核磁共振图像配准方法,其特征在于,包括有如下步骤:1选定需要进行配准的待配准图像和目标图像,并对其进行预处理;2将两图像堆叠为一个2通道的块输入到仿射变换卷积神经网络模型以预测仿射变换参数,根据仿射变换参数对待配准图像进行几何变换得到预对齐图像,并根据仿射变换参数对单位网格进行几何变换得到对应的位移矢量场1;3将预对齐图像与目标图像按步骤2方式进行堆叠并输入到非线性变换卷积神经网络模型以预测位移矢量场2;4利用位移矢量场2对位移矢量场1进行几何变换的结果与位移矢量场2进行相加得到融合后的最终位移矢量场,待配准图像根据最终位移矢量场进行几何变换得到配准图像;所述步骤2中堆叠后的图像块大小为[1,A,B,C,2],仿射变换卷积神经网络模型对图像进行连续下采样以在不同分辨率下进行特征提取,并输出仿射变换参数,由这些变换参数对单位网格进行几何变换得到位移矢量场1然后对待配准图像进行几何变换得到预对齐图像。
全文数据:
权利要求:
百度查询: 贵州大学 基于卷积神经网络的端到端大脑核磁共振图像配准方法
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。