申请/专利权人：安徽大学

申请日：2024-01-16

公开（公告）日：2024-04-16

公开（公告）号：CN117893585A

主分类号：G06T7/33

分类号：G06T7/33;G06T7/00;G06V10/74;G06N3/04;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明涉及一种基于域泛化表征学习的三维生物图像跨模态配准方法，包括：获取目标图像特征点集，得到待配准图像初始点集；得到第一特征块和第二特征块；提取域泛化特征，并计算第一特征块和第二特征块之间的相似性分数；计算搜索距离内所有搜索点的得分，再由所有搜索点的得分计算待配准图像初始点集的位移；得到待配准图像上新的特征点集，再返回步骤2中进行优化，直到待配准图像初始点集找到与目标图像特征点集的最佳匹配位置，得到待配准图像最优的匹配点集；对待配准图像进行形变，得到配准后的三维生物图像。本发明能够在不同模态图像之间实现无缝切换，可以配准更高分辨率的显微图像，从而提高了配准的精度和可用性。

主权项：1.一种基于域泛化表征学习的三维生物图像跨模态配准方法，其特征在于：该方法包括下列顺序的步骤：1获取目标图像特征点集，并对目标图像特征点集进行先验约束，复制目标图像特征点集并将其映射到待配准图像上，得到待配准图像初始点集；2根据目标图像特征点集在目标图像上提取特征块，得到第一特征块，以待配准图像初始点集为中心，以变量r为搜索距离，r为正整数，根据搜索距离内的搜索点在待配准图像上提取特征块，得到第二特征块；3将第一特征块和第二特征块以成对的方式输入训练好的深度神经网络中，提取域泛化特征，并计算第一特征块和第二特征块之间的相似性分数；4由第一特征块和第二特征块之间的相似性分数计算搜索距离内所有搜索点的得分，再由所有搜索点的得分计算待配准图像初始点集的位移；5由待配准图像初始点集的位移得到待配准图像上新的特征点集，再返回步骤2中进行优化，直到待配准图像初始点集找到与目标图像特征点集的最佳匹配位置，得到待配准图像最优的匹配点集；6根据目标图像特征点集与待配准图像最优的匹配点集，通过stps算法计算出形变场，对待配准图像进行形变，得到配准后的三维生物图像。

全文数据：

权利要求：

百度查询： 安徽大学 基于域泛化表征学习的三维生物图像跨模态配准方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD