[发明专利]一种图像配准方法、装置、设备及存储介质

权利要求书

1.一种图像配准方法，其特征在于，包括：

确定第一病理图像为第一参考图像，第二病理图像为第一待配准图像，利用深度学习模型基于所述第一参考图像及所述第一待配准图像得到相应空间转换参数为第一转换参数，利用所述第一转换参数对所述第一待配准图像进行空间转换，并将空间转换所得图像作为第二待配准图像；其中，所述深度学习模型为预先利用历史上需要实现配准的病理图像及相应空间转换参数训练得到的；

按照预设规则得到相应空间转换参数为第二转换参数，利用所述第二转换参数对所述第二待配准图像进行空间转换，并计算空间转换所得图像与所述第一参考图像的相似性测度，如果所述相似性测度满足要求，则确定完成所述第二待配准图像当前进行图像配准所需的空间转换，否则，返回执行按照预设规则得到相应空间转换参数作为第二转换参数的步骤。

2.根据权利要求1所述的方法，其特征在于，还包括：

确定所述第一病理图像为第三待配准图像，所述第二病理图像为第二参考图像，利用所述深度学习模型基于所述第二参考图像及所述第三待配准图像得到相应空间转换参数为第三转换参数，利用所述第三转换参数对所述第三待配准图像进行空间转换，并将空间转换所得图像作为第四待配准图像；

按照所述预设规则得到相应空间转换参数为第四转换参数，利用所述第四转换参数对所述第三待配准图像进行空间转换，并计算空间转换所得图像与所述第二参考图像的相似性测度，如果所述相似性测度满足要求，则确定完成所述第四待配准图像当前进行图像配准所需的空间转换，否则，返回执行按照所述预设规则得到相应空间转换参数为第四转换参数的步骤；

利用所述第四转换参数对所述第四待配准图像进行空间转换之后，还包括：

按照下列公式计算配准后病理图像I，以基于病理图像I进行运动补偿：

I＝Wt(Tr1(I1)+Tr2(I2))，

其中，Wt为预设的加权函数，Tr1(I1)为完成所述第二待配准图像当前进行图像配准所需的空间转换后所得图像，Tr2(I2)为完成所述第四待配准图像当前进行图像配准所需的空间转换后所得图像。

3.根据权利要求2所述的方法，其特征在于，预设所述加权函数，包括：

如果当前存在针对同一区域的多个按照相应顺利排列的病理图像均需要进行配准，则按照病理图像越靠近该多个病理图像的两端相应加权函数值越大的原则，确定所述病理图像进行连续病理图像I计算时加权函数的值。

4.根据权利要求3所述的方法，其特征在于，将空间转换所得图像作为第二待配准图像之前，还包括：

判断当前是否设置有表示对配准精度要求高的标记，如果是，则执行将空间转换所得图像作为第二待配准图像的步骤，否则，确定无需将空间转换所得图像作为待配准图像进行再次配准。

5.根据权利要求4所述的方法，其特征在于，确定所述第一病理图像及所述第二病理图像为所述第一参考图像及所述第一待配准图像之前，还包括：

对所述第一病理图像及所述第二病理图像进行尺度变化、色彩归一化及色彩增强的预处理操作。

6.根据权利要求5所述的方法，其特征在于，计算配准后病理图像I之后，还包括：

基于病理图像I进行相应三维病理图像的构建，并将构建所得的三维病理图像输出至医护人员对应设备终端，以供使用。

7.根据权利要求6所述的方法，其特征在于，所述深度学习模型具体为卷积神经网络。