[發明專利]一種基于神經網絡的無監督三維醫學圖像配準方法及系統

有效

• 申請號: 201910828807.7
• 申請日: 2019-09-03
• 公開（公告）號: CN110599528B
• 公開（公告）日: 2022-05-27
• 發明（設計）人: 趙秀陽;馬英君
• 申請（專利權）人: 濟南大學
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06N3/04
• 代理公司: 濟南舜源專利事務所有限公司 37205
• 代理人: 劉雪萍

本發明提供一種基于神經網絡的無監督三維醫學圖像配準方法及系統，包括：圖像采集；對獲取到的三維醫學圖像進行預處理；訓練神經網絡，得到訓練好的神經網絡模型；將待配準的醫學圖像輸入訓練好的神經網絡模型進行配準，得到并輸出配準圖像。其中，本發明基于變形場變形場變形場以及基于變形后的圖像變形后的圖像變形后的圖像變形后的圖像利用損失函數計算固定圖像I_F與所述變形后的圖像之間的損失函數值，并對神經網絡進行反向傳播優化，直至計算所得的損失函數值不再變小或網絡訓練達到預先設定的訓練迭代次數，神經網絡訓練完成，得到訓練好的神經網絡模型。本發明用于實現醫學圖像配準。

技術領域

本發明涉及醫學圖像配準領域，具體涉及一種基于神經網絡的無監督三維醫學圖像配準方法及系統，主要用于三維人腦圖像的配準。

背景技術

醫學圖像配準，是指對一幅醫學圖像尋求一種或一系列空間變換，使它與另一幅醫學圖像上的對應點達到空間上的一致。這種一致是指人體上的同一解剖點在兩幅匹配圖像上具有相同的空間位置。通常，待配準的圖像稱之為浮動圖像(Moving Image)，變換目標圖像稱之為固定圖像或參考圖像(Fi×ed Image)。

當前已有諸多開源軟件可用于醫學圖像的分割、配準等工作，例如：FreeSurfer可用于分析和可視化來自切片或者時間序列的結構和功能神經影像數據，其在顱骨剝離，B1偏置場校正、灰白質分割和形態差異測量等方面具有較好的表現；FSL與Freesufer類似，可以對FMRI、MRI和DTI腦成像數據進行綜合分析；ITK軟件包可用于多維圖像的分割與配準；NiftyReg實現了對nifti圖像的剛體、仿射和非線性配準方法，同時支持GPU運行；elasti×是基于ITK的開源軟件，包含了處理醫學圖像配準的常用算法；ANTS作為當前較好的配準工具，可以實現微分同胚的可變形配準。以上配準工具都是基于傳統的配準方法來擬合圖像的形變。另外，當前諸多基于深度學習的配準方法也被相繼提出，如：DIRNet、BIRNet、voxelmorph等利用神經網絡獲得圖像變換參數，然后利用變換網絡對浮動圖像進行變換得到配準結果。

盡管以上配準工具及方法都在圖像配準方面得到了較好的結果，然而仍然存在以下問題：

(1)部分方法需要人工標記和監督信息，配準專業要求性高、且配準速率相對低。醫學圖像的特征點和特征區域的標記，以及圖像監督信息的獲取需要專業的醫學影像醫生來完成，對于沒有相關醫學經驗的配準工作者來說具有極大的困難，同時不同的醫生以及同一個醫生在不同時間所得到特征標記都可能存在差異，而且人為標記的過程費時費力，醫生的主觀判斷對配準結果的影響較大。

(2)配準精度相對較低。近幾年提出的一些方法雖然在配準結果上取得了較大進展，但精度仍有待提高。

為此，本發明提供一種基于神經網絡的無監督三維醫學圖像配準方法及系統，用于解決上述問題。

發明內容

針對現有技術的上述不足，本發明提供一種基于神經網絡的無監督三維醫學圖像配準方法及系統，用于實現醫學圖像的快速配準。還用于提高配準精度。

第一方面，本發明提供一種基于神經網絡的無監督三維醫學圖像配準方法，包括步驟：

L1，圖像采集：從公開數據集OASIS和ADNI獲取三維醫學圖像，和/或：從CT、MRI或超聲成像儀的DICOM接口獲取三維醫學圖像；

L2，對獲取到的三維醫學圖像進行預處理：包括圖像分割、裁剪、歸一化處理和仿射對齊，并從仿射對齊后的圖像中選取任意一個圖像作為固定圖像I_F，其余圖像作為浮動圖像I_M；其中裁剪后的圖像大小一致；

L3，基于預處理后得到的固定圖像I_F和浮動圖像I_M訓練神經網絡，得到訓練好的神經網絡模型；