[發明專利]一種基于深度學習的乳腺圖像配準方法

有效

• 申請號: 202110279530.4
• 申請日: 2021-03-16
• 公開（公告）號: CN113034453B
• 公開（公告）日: 2023-01-10
• 發明（設計）人: 歐陽效蕓;謝耀欽
• 申請（專利權）人: 深圳先進技術研究院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/33;G06T7/11;G06T7/194;G06N3/04;G06N3/08
• 代理公司: 北京市誠輝律師事務所 11430
• 代理人: 耿慧敏;朱偉軍

1.一種基于深度學習的乳腺圖像配準方法，包括以下步驟：

步驟S1，對第一體位乳腺圖像和第二體位乳腺圖像進行預處理，并將第一體位乳腺圖像作為固定圖像，第二體位乳腺圖像作為移動圖像構建訓練數據集；

步驟S2，將所述訓練數據集輸入到配準網絡，輸出變形場，該變形場表示移動圖像上體素的移動方向和移動距離，將得到的變形場作用于移動圖像，得到變換后的移動圖像；

步驟S3，訓練所述配準網絡，計算變形場以及固定圖像和變換后的移動圖像之間的損失函數值，直到滿足設定的優化收斂條件，獲得經訓練的配準網絡，用于后續的乳腺圖像配準；

其中，所述配準網絡包含一個仿射配準網絡和多個彈性配準網絡，所述仿射配準網絡以固定圖像和移動圖像為輸入，用于進行仿射配準，輸出變形場；所述多個彈性配準網絡設置為具有相同或不同的結構，用于將固定圖像和經過仿射配準網絡變換后的移動圖像作為輸入，以進行局部配準；

其中，所述多個彈性配準網絡包含第一彈性配準網絡、第二彈性配準網絡和第三彈性配準網絡，步驟S2包括：

將固定圖像I_F和移動圖像I_M輸入到仿射配準網絡中，進行仿射配準，輸出變形場φ₁，該變形場φ₁表示移動圖像I_M上體素的移動方向和移動距離；

利用空間變換網絡將變形場φ₁和移動圖像I_M作為輸入，輸出移動圖像經過變形場變換后的移動圖像I′_M；

將固定圖像I_F和經過仿射配準網絡變換后的移動圖像I′_M輸入到第一彈性配準網絡，進行局部配準，輸出變形場φ₂，該變形場φ₂表示變換后的移動圖像I′_M上體素的移動方向和移動距離；

將得到的變形場φ₁和φ₂進行組合，得到組合變形場

將組合變形場和移動圖像I_M輸入到空間變換網絡，得到變換后的移動圖像I″_M；

將固定圖像I_F和變換后的移動圖像I″_M輸入到第二彈性配準網絡，進行局部配準，輸出變形場φ₃，該變形場φ₃表示變換后的移動圖像I″_M上體素的移動方向和移動距離；

將得到的變形場φ₁，φ₂和φ₃進行組合，得到組合變形場

將組合變形場和移動圖像I_M輸入到空間變換網絡，得到變換后的移動圖像I″′_M；

將固定圖像I_F和變換后的移動圖像I″′_M輸入到第三彈性配準網絡，進行局部配準，輸出變形場φ₄，該變形場φ₄表示變換后的移動圖像I″′_M上體素的移動方向和移動距離；

將得到的變形場φ₁，φ₂，φ₃和φ₄進行組合，得到組合變形場

將組合變形場和移動圖像I_M輸入到空間變換網絡，得到變換后的移動圖像I″″_M。

2.根據權利要求1所述的方法，其中，第一體位的乳腺圖像是仰臥位乳腺圖像且第二體位乳腺圖像是俯臥位的乳腺圖像，或者第一體位乳腺圖像是俯臥位的乳腺圖像且第二體位乳腺圖像是仰臥位乳腺圖像。

3.根據權利要求1所述的方法，其中，訓練所述配準網絡的總損失函數表示為：

其中L_sim表示歸一化互相關損失函數，表達式為：

表示圖像的平均灰度值，p表示圖像中的點，Ω表示圖像的維度，L_smooth表示變形場的正則化損失函數，表達式為：

其中，θ表示變形場參數，表示變形場在x軸方向的導數，表示變形場在y軸方向的導數，表示變形場在z軸方向的導數。