申请/专利权人：上海应用技术大学

申请日：2020-12-29

公开（公告）日：2024-04-16

公开（公告）号：CN112561972B

主分类号：G06T7/30

分类号：G06T7/30;G06T7/13;G06N3/084;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2021.04.13#实质审查的生效;2021.03.26#公开

摘要：本发明提供了一种医学图像配准方法，本发明利用深度学习方法，建立卷积神经网络回归模型，包括以下步骤：a生成数字重建放射影像DigitallyReconstructedRadiographs，DRR作为数据集；b对数据集进行预处理，并划分数据集；c构建CNN回归模型；d评估回归模型的性能。使用CNN回归模型来实现2D‑3D医学图像配准，输入同一患者的3维CT图像和2维X光图像，直接回归出配准中涉及的6个变换参数，满足了放射治疗、手术导航等领域的实时性要求。

主权项：1.一种医学图像配准方法，其特征在于，包括：步骤a，生成数字重建放射影像作为数据集；步骤b，对所述数据集进行预处理，并划分数据集；步骤c，构建CNN回归模型，基于数据集训练所述CNN回归模型；步骤d，评估所述CNN回归模型的性能；步骤a,包括：a1获取各组3维的电子计算机断层扫描CT图像；a2对每组3维的电子计算机断层扫描图像进行筛查，提取仅包含目标的切片，仅提取包含肺部的切片a3使用光线投射法生成3维的电子计算机断层扫描图像对应的2维DRR图像，其中DRR图像涉及的6个参数tx,ty,tz,tθ,tα,tβ，其中，前3个参数是平移参数，后3个参数是旋转参数；将平移参数的间隔设为5mm，旋转参数的间隔设为2°，以生成DRR图像作为数据集；步骤b包括：b1将所述2维DRR图像作为数据集，分别进行边缘检测、添加噪声；b2对边缘检测、添加噪声后的DRR图像进行重采样、归一化操作；b3将重采样、归一化操作后的DRR图像随机选取80％作为训练数据集，20％作为测试数据集；步骤b1包括：b11使用opencv库的Canny算子进行边缘检测，其中，首先对DRR图像选择预设的高斯滤波器进行平滑滤波，然后采用非极值抑制技术进行处理得到最后的边缘图像；b12使用opencv库对最后的边缘图像添加高斯噪声；步骤b2包括：b21使用opencv库的resize函数对边缘检测、添加噪声后的DRR图像进行重采样；b22使用最大最小值归一化方法对重采样后的DRR图像进行归一化，以将重采样后的DRR图像的像素映射到[0，1]区间内，公式如下： 其中，xi表示图像的像素点的值，minx、maxx分别表示图像的像素点的最大与最小值；步骤d包括：d1使用投影方向上的平均目标配准误差mTREproj作为评价模型的性能指标，投影方向上的平均目标配准误差mTREproj小于目标物体尺寸的1％视为成功的配准，公式如下： 其中，N是3维CT图像中标记点的数量，Pn表示第n个点，T、分别表示真实和预测的变换参数，表示投影平面的法线。

全文数据：

权利要求：

百度查询： 上海应用技术大学 医学图像配准方法

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。

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