[发明专利]一种影像初始配准及神经网络的训练方法、装置和设备

权利要求书

1.一种影像初始配准方法，其特征在于，所述方法包括：

确定放射对象在二维影像中所形成图案的轮廓信息；

将所述轮廓信息输入神经网络，其中，所述神经网络预先采用包括有实际配准标注信息的轮廓信息样本训练完成，所述实际配准标注信息为所述放射对象形成的三维影像的位姿数据，且所述位姿数据下的三维影像匹配于所述轮廓信息样本所属的二维影像；

经所述神经网络对输入的所述轮廓信息进行特征提取，并根据提取的特征确定所述二维影像与所述三维影像的初始配准信息。

2.根据权利要求1所述方法，其特征在于，所述确定放射对象在二维影像中所形成图案的轮廓信息，包括：

确定放射对象在二维影像中所形成图案的至少两个边缘区域的边缘轮廓曲线，所述边缘轮廓曲线是通过对所述边缘区域中的特征进行拟合而得到的；

确定所述边缘轮廓曲线之间的交点信息，以将所确定的交点信息作为所述二维影像所表征的放射对象的轮廓信息。

3.根据权利要求2所述方法，其特征在于，所述对所述边缘区域中的特征进行拟合，包括：

确定所述边缘区域中的轮廓点集；基于曲线模型确定所述轮廓点集对应的曲线方程；或者，

基于最大类间方差法提取所述边缘区域内部的图案轮廓区域；获取所述图案轮廓区域对应的投影图像；基于所述投影图像中的投影极大值点的位置拟合所述图案轮廓区域对应的回归方程。

4.根据权利要求1所述方法，其特征在于，所述轮廓信息样本所属的二维影像，包括：

基于相似性算法在二维重建图像集合中筛选出的与实际二维影像相匹配的二维重建图像，所述二维重建图像集合包括将所述放射对象按照预设规则变化后的三维影像对应的多个二维影像，所述实际配准标注信息为所述放射对象按照预设规则变化后的三维影像的位姿数据。

5.根据权利要求4所述方法，其特征在于，所述位姿数据包括基于成像设备的空间坐标系中的预设方向的偏移量和/或旋转角度值，所述按照预设规则变化，包括：基于所述成像设备的空间坐标系中的预设方向，将所述放射对象的角度值变化第一预设值和/或将所述放射对象的偏移量变化第二预设值。

6.一种用于影像初始配准的神经网络训练方法，其特征在于，所述方法包括：

至少将作为训练样本的二维影像中放射对象所形成图案的轮廓信息输入神经网络，其中，所述训练样本中包括有实际配准信息的轮廓信息样本，所述实际配准标注信息为所述放射对象形成的三维影像的位姿数据，且所述位姿数据下的三维影像匹配于所述轮廓信息样本所属的二维影像；

经所述神经网络对输入的所述轮廓信息进行特征提取，并根据提取的特征确定所述轮廓信息对应的预测配准信息；

确定所述预测配准信息与所述实际配准标注信息之间的差异；

基于所述差异调整所述神经网络的网络模型参数。

7.根据权利要求6所述方法，其特征在于，所述轮廓信息样本所属的二维影像，包括：

基于相似性算法在二维重建图像集合中筛选出的与实际二维影像相匹配的二维重建图像，所述二维重建图像集合包括所述放射对象按照预设规则变化后的三维影像对应的多个二维影像，所述实际配准标注信息为所述放射对象按照预设规则变化后的三维影像的位姿数据。

8.根据权利要求7所述方法，其特征在于，所述位姿数据包括基于成像设备的空间坐标系中的预设方向的偏移量和/或旋转角度值，所述按照预设规则变化，包括：基于所述成像设备的空间坐标系中的预设方向，将所述放射对象的角度值变化第一预设值和/或将所述放射对象的偏移量变化第二预设值。

9.根据权利要求6所述方法，其特征在于，所述二维影像中放射对象所形成图案的轮廓信息，包括：

所述二维影像中放射对象所形成图案的至少两个边缘区域的边缘轮廓曲线之间的交点信息，所述边缘轮廓曲线是通过对所述边缘区域中的特征进行拟合而得到的。