[發明專利]一種基于深度學習的醫學圖像配準方法及終端

有效

• 申請號: 202110528670.0
• 申請日: 2021-05-14
• 公開（公告）號: CN113269815B
• 公開（公告）日: 2022-10-25
• 發明（設計）人: 陳利;鄧小武;彭應林;孫文釗;高興旺
• 申請（專利權）人: 中山大學腫瘤防治中心
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06T7/38;G06T7/269;G06T7/246;G06T7/00;G06N3/08;G06T3/40
• 代理公司: 深圳市博銳專利事務所 44275
• 代理人: 歐陽燕明

本發明公開了一種基于深度學習的醫學圖像配準方法及終端，對待配準移動圖像和待配準固定圖像進行預處理和拼接；使用U型網絡在拼接圖像的基礎上預測得到待配準移動圖像與待配準固定圖像間的流場，通過得到的流場對待配準移動圖像進行重采樣，從而通過無監督的學習方法避免了配準過程中對大量數據標簽的依賴，提高配準的計算速度；對重采樣后的待配準移動圖像和待配準固定圖像進行配準，并使用損失函數對配準圖像進行調整，能夠通過損失函數衡量配準過程中預測值與樣本值的距離，進一步提高配準圖像的精度；因此本發明使用U型網絡進行流場預測，基于流場進行圖像配準，使用損失函數進行配準圖像的調整，快速準確地實現醫學圖像的配準。

技術領域

本發明涉及醫學圖像技術領域，特別涉及一種基于深度學習的醫學圖像配準方法及終端。

背景技術

醫學圖像配準是醫學圖像處理領域的一個重點和難點問題，配準目的是將來自不同設備或者不同時間獲取的圖像坐標轉換到另一個圖像中，即將一幅移動圖像的信息映射到另一幅固定圖像中。從圖像本身的空間角度來說，通過尋找一種空間變換，例如剛體變換、仿射變換、投影變換、非線性變換，將移動圖像映射到固定圖像，通過將移動圖像和固定圖像中對應于空間同一位置的點一一對應，使得空間位置匹配，達到圖像信息融合的目的。

醫學圖像配準可以分為單模態配準和多模態配準。單模態的醫學圖像配準主要的關注點在于組織器官或者病灶隨時間的改變情況，多模態的醫學圖像配準主要的關注點在于解剖其形態和功能。

在單模態配準方面，不同設備獲取的影像差異可能較大，其局部的灰度對應會出現不一致的情況，因此實現全局灰度對應一致是一個難點，是影響配準精度的一個主要因素。另外，傳統方法本身存在的局限性為只適用于一個特定的模態，因此上述局限性使得醫學圖像的配準速度慢，不適合現實的應用場景，并且早期的深度學習技術是基于監督學習的，需要大量的數據標簽，對數據標簽的依賴較大。

發明內容

本發明所要解決的技術問題是：提供一種基于深度學習的醫學圖像配準方法及終端，能夠提高圖像配準的速度和精度。

為了解決上述技術問題，本發明采用的技術方案為：

一種基于深度學習的醫學圖像配準方法，包括步驟：

獲取待配準移動圖像和待配準固定圖像，對所述待配準移動圖像和待配準固定圖像進行預處理；

將預處理后的所述待配準移動圖像和待配準固定圖像進行拼接得到拼接圖像；

使用U型網絡對所述拼接圖像進行預測得到所述待配準移動圖像與待配準固定圖像間的流場，根據所述流場對所述待配準移動圖像進行重采樣；

對重采樣后的待配準移動圖像和待配準固定圖像進行配準得到配準圖像，使用多個損失函數對所述配準圖像進行調整并驗證調整后的配準圖像。

為了解決上述技術問題，本發明采用的另一種技術方案為：

一種基于深度學習的醫學圖像配準終端，包括存儲器、處理器以及存儲在所述存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現以下步驟：

獲取待配準移動圖像和待配準固定圖像，對所述待配準移動圖像和待配準固定圖像進行預處理；

將預處理后的所述待配準移動圖像和待配準固定圖像進行拼接得到拼接圖像；

使用U型網絡對所述拼接圖像進行預測得到所述待配準移動圖像與待配準固定圖像間的流場，根據所述流場對所述待配準移動圖像進行重采樣；

對重采樣后的待配準移動圖像和待配準固定圖像進行配準得到配準圖像，使用多個損失函數對所述配準圖像進行調整并驗證調整后的配準圖像。