[发明专利]一种基于深度学习的多模医学图像非刚性配准方法及系统有效
| 申请号： | 201810177419.2 | 申请日： | 2018-03-05 |
| 公开（公告）号： | CN108416802B | 公开（公告）日： | 2020-09-18 |
| 发明（设计）人： | 张旭明;朱星星 | 申请（专利权）人： | 华中科技大学 |
| 主分类号： | G06T7/33 | 分类号： | G06T7/33;G06N3/04 |
| 代理公司： | 华中科技大学专利中心 42201 | 代理人： | 廖盈春;李智 |
| 地址： | 430074 湖北*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的多模医学图像非刚性配准方法及系统，该配准方法包括：通过大量的医学数据，训练PCANet；将浮动图像和参考图像输入训练好的PCANet中，获得浮动图像和参考图像的结构表征图；最后根据所述参考图像以及浮动图像的结构表征图，获得配准图像。本发明利用PCANet深度学习网络，构建图像的结构表征图，将非刚性多模医学图像的配准问题转化为单模医学图像配准问题，大大提高了非刚性多模医学图像配准的精度与鲁棒性。 | ||
| 搜索关键词： | 一种 基于 深度 学习 医学 图像 刚性 方法 系统 | ||
【主权项】：
1.一种基于深度学习的多模医学图像非刚性配准方法，其特征在于，包括：(1)将参考图像输入到已训练的两层PCANet网络中，获得所述参考图像各级的图像特征，并将所述参考图像各级的图像特征进行合成得到参考图像的结构表征图，以及，将浮动图像输入到所述已训练的两层PCANet网络中，获得所述浮动图像各级的图像特征，并将所述浮动图像各级的图像特征进行合成得到所述浮动图像的结构表征图；(2)根据所述参考图像的结构表征图以及所述浮动图像的结构表征图建立目标函数，根据所述目标函数获得变换参数，基于所述变换参数变换所述浮动图像，并对变换后的浮动图像进行插值处理，获得配准图像。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华中科技大学，未经华中科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810177419.2/，转载请声明来源钻瓜专利网。
