[發(fā)明專利]一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的前列腺MR圖像多任務(wù)配準方法

有效

• 申請?zhí)枺?/td>: 202010030035.5
• 申請日: 2020-01-13
• 公開（公告）號: CN111260705B
• 公開（公告）日: 2022-03-15
• 發(fā)明（設(shè)計）人: 杜博;廖健東
• 申請（專利權(quán)）人: 武漢大學
• 主分類號: G06T7/38
• 分類號: G06T7/38;G06T7/33;G06V10/80;G06N3/04;G06N3/08;G06T7/00
• 代理公司: 武漢科皓知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 王琪

本發(fā)明公開了一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的前列腺MR圖像多任務(wù)配準方法，包括訓練階段和推理階段。訓練階段包括前列腺MR圖像的預(yù)處理、構(gòu)建神經(jīng)網(wǎng)絡(luò)模型和神經(jīng)網(wǎng)絡(luò)參數(shù)的訓練。通過對單向配準任務(wù)的擴展，實現(xiàn)多任務(wù)的聯(lián)合訓練模型，利用前列腺的標簽信息作為弱監(jiān)督信息指導網(wǎng)絡(luò)的訓練，并利用循環(huán)一致性和逆一致性對網(wǎng)絡(luò)訓練進行約束，同時構(gòu)建雙路徑的深度卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)網(wǎng)絡(luò)權(quán)值共享。同時對網(wǎng)絡(luò)預(yù)測的位移矢量場進行正則化，使得位移矢量場更加平滑。在推理階段，將預(yù)處理的運動圖像和參考圖像數(shù)據(jù)作為網(wǎng)絡(luò)的輸入，經(jīng)過訓練好的網(wǎng)絡(luò)會得到預(yù)測的位移矢量場，將位移矢量場作用于運動圖像，從而得到前列腺的MR圖像配準的結(jié)果。

技術(shù)領(lǐng)域

本發(fā)明屬于醫(yī)學影像處理技術(shù)領(lǐng)域，尤其涉及一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的前列腺MR圖像多任務(wù)配準方法。

背景技術(shù)

隨著計算機技術(shù)和醫(yī)學影像工程的發(fā)展，越來越多的科學技術(shù)被應(yīng)用于現(xiàn)代醫(yī)學中，特別是醫(yī)學成像技術(shù)，滲透了醫(yī)學的臨床應(yīng)用，各種醫(yī)學成像設(shè)備從不同的側(cè)面反映人體的身體狀況，為醫(yī)療診斷治療提供直接、客觀的信息。現(xiàn)代醫(yī)學成像技術(shù)常見的有核磁共振成像(MRI)、計算機X射線攝影(X-光)、超聲成像、計算機斷層成像(CT)、正電子發(fā)射計算機斷層顯像(PET)等，它們主要分為兩大類：解剖圖像和功能圖像，解剖圖像分辨率較高，能夠較為準確的獲得臟器的結(jié)構(gòu)信息，但是不具備功能作用。功能圖像分辨率低，無法清楚的顯示臟器的輪廓信息，但是可以顯示人體的新陳代謝情況。雖然兩者的成像技術(shù)都在不斷的進步，成像結(jié)果越來越準確，但是在實際的臨床應(yīng)用中，由于成像原理的不同，某一種成像技術(shù)只能反映人體的某些特定的信息，往往需要醫(yī)生結(jié)合多種成像技術(shù)對病人進行診斷治療。然而，綜合多種醫(yī)學影像的信息往往需要多年的經(jīng)驗，不僅局限于很多主觀因素，還增加了醫(yī)生的工作量。

解決這個問題的最佳方法便是醫(yī)學圖像配準技術(shù)，醫(yī)學圖像配準是醫(yī)學圖像分析的重要研究分支，是醫(yī)學圖像融合、重建的核心技術(shù)，在臨床應(yīng)用中具有重要的意義。醫(yī)學圖像配準技術(shù)是指將兩幅或兩幅以上的圖像進行幾何對準，使得同一像素代表相同的解剖位置。通過醫(yī)學圖像配準技術(shù)能夠?qū)⒍喾N成像技術(shù)有機的聯(lián)合起來，將多種醫(yī)學信息整合在一張圖像上，更加直觀、準確的輔助醫(yī)生進行診斷治療。

圖像配準技術(shù)可分為剛性配準和非剛性配準。上世紀80年代，醫(yī)學圖像配準主要以剛體配準為主，通過學習圖像灰度差異等醫(yī)學信息來估計圖像之間的剛性變換系數(shù)。目前，基于剛體配準的算法已經(jīng)趨近成熟，在臨床得到了廣泛的應(yīng)用。但是剛體配準的自由度小，只解決了配準問題中的小部分。對于實際醫(yī)學應(yīng)用中，剛體變換是遠遠不能滿足實際需求的，醫(yī)學圖像配準問題需要更多自由度的變換。21世紀以來，非剛體配準技術(shù)成為了研究的重點，且得到了快速發(fā)展，許多學者研究出了許多非線性變換方式，例如基于B樣條的自由變換模型、基于彈性變換模型、基于光流擴散的物理學形變模型等。經(jīng)典的非剛體圖像配準算法往往首先選擇一個變換模型，隨后定義一個相似度指標，最后迭代優(yōu)化變換參數(shù)。雖然經(jīng)典的算法取得了不錯的性能，但由于迭代優(yōu)化的性質(zhì)，其速度往往較慢，無法滿足臨床的實時性需求，且可能陷入局部最優(yōu)。此外，不同的相似性度量具有不同的性質(zhì)，針對不同的臟器或影像，需要定義不同的相似性度量。

最近幾年,深度學習特別是深度卷積神經(jīng)網(wǎng)絡(luò),在計算機視覺方面取得了突破性研究成果，同時，在醫(yī)學圖像分析方面也得到迅速發(fā)展，深度卷積神經(jīng)網(wǎng)絡(luò)在醫(yī)學圖像配準方面也得到了一定的成果，例如DIRNet、VoxelMorph等。雖然模型的訓練時間較長，但是一旦訓練完畢，模型可以快速的配準圖像，更好的滿足臨床需要。雖然目前基于深度學習的算法取得了令人滿意的結(jié)果，但是現(xiàn)存的方法還存在較多不足，配準的結(jié)果往往與訓練數(shù)據(jù)集的大小密切相關(guān)，同時忽略了位移矢量場的物理屬性。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)存在的不足，本發(fā)明提供了一種高精度、高效率的基于深度卷積神經(jīng)網(wǎng)絡(luò)的前列腺MR圖像多任務(wù)配準方法。

為解決上述技術(shù)問題，本發(fā)明采用如下的技術(shù)方案：一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的前列腺MR圖像多任務(wù)配準方法，包括如下步驟：