[發明專利]一種基于改進的脈沖耦合神經網絡的醫學圖像融合方法

有效

• 申請號: 201910177917.1
• 申請日: 2019-03-11
• 公開（公告）號: CN109934887B
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 陳海鵬;呂穎達;蓋迪;申鉉京;張寵;李怡
• 申請（專利權）人: 吉林大學
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06N3/0464
• 代理公司: 長春吉大專利代理有限責任公司 22201
• 代理人: 朱世林;牟風平

本發明公開了一種基于改進的脈沖耦合神經網絡的醫學圖像融合方法，包括如下步驟：步驟一：將多模態醫學圖像進行Gamma校正來增強醫學圖像的對比度；步驟二：采用非下采樣剪切波對校正后的待融合圖像進行多尺度分解，得到低頻子圖和高頻子圖；步驟三：采用改進的區域能量算法對低頻子圖進行融合；步驟四：采用改進的脈沖耦合神經網絡算法對高頻子圖進行融合；步驟五：采用非下采樣剪切波逆變換對融合后的高、低頻子圖進行重構得到最終的融合圖像。本發明能夠對多模態醫學圖像進行有效的融合，提高了醫生對患者病情診斷的準確度。

技術領域

本發明涉及醫學圖像融合技術領域，特別涉及一種改進的脈沖耦合神經網絡的多模態醫學圖像融合方法。

背景技術

不同模態的醫學圖像能夠從不同角度反映人體信息。多種圖像如果只依靠醫生的空間構想和推測去判定所需信息，其準確性就會受到主觀影響，有些信息也可能被忽視。單一的醫學成像系統只能提供有限的信息，不能同時提供某個器官或組織部位在多個角度(或模態)的完整信息，因而不能滿足醫療需求。例如，結構圖像(CT、MRI等)的分辨率較高，能清晰地反映器官組織的解剖形態，但無法反映器官的功能變化；功能圖像(SPECT、PET等)能夠準確地提供器官的新陳代謝信息，但因其分辨率較低而無法顯示器官或病灶部位的解剖細節。圖像融合技術是解決上述問題的最佳途徑，它能夠將結構圖像和功能圖像中包含的多視角互補信息結合起來以構成一幅信息量更加豐富的圖像，使得人體內部的解剖結構、器官功能等各方面的醫學信息同時呈現在一幅圖像上，方便醫生對病變部位看得更加清晰、直接，從而有利于做出準確的判斷，減少不確定性，使臨床診斷和治療更加準確和完善。

發明內容

本發明目的是在于提供一種基于改進的脈沖耦合神經網絡的醫學圖像融合方法，能夠有效的對多模態醫學圖像進行精準的融合，提高醫生對患者病灶檢查的準確率。

本發明提供的技術方案為：

一種基于改進的脈沖耦合神經網絡的醫學圖像融合方法，包括如下步驟：

步驟一：獲取完全配準的待融合圖像A和B，使用Gamma進行校正；

步驟二：對校正后的圖像A和B進行非下采樣剪切波變換，將圖像分解成低頻子圖{aA,bB},和高頻子圖{cA^s,l,cB^s,l}；

步驟三：對分解后的低頻子圖{aA,bB}采用改進的區域能量算法進行融合，得到低頻子圖融合結果aF；

步驟四：對分解后的高頻子圖{cA^s,l,cB^s,l}采用改進的脈沖耦合神經網絡算法進行融合，得到高頻子圖融合結果cF^s,l，其中s代表分解的層數，l代表分解的方向；

步驟五：將步驟三得到低頻子圖融合結果aF和步驟四得到的高頻子圖融合結果cF^s,l進行非下采樣剪切波逆變換，得到最終融合圖像F。

優選地，所述步驟一中使用Gamma進行校正，公式如下：

S＝I^r

其中，I為原圖像，γ為灰度系數，取值范圍是0～2之間，S為Gamma校正后的圖像。

優選地，所述步驟二中采用非下采樣剪切波系統進行多尺度分解；

優選地，所述的步驟三包括如下步驟：

第一步：采用八個方向的sobel算子對細節信息進行抽取，具體計算如下：

0°方向：[1,2,1；0,0,0；-1,-2,-1]；

45°方向：[2,1,0；1,0,-1；0,-1,-2]；

90°方向：[1,0,-1；2,0,0；1,0,-1]；