[发明专利]基于多通道卷积神经网络的MRI不同期多模图像表征方法

摘要

本发明公开了一种基于多通道卷积神经网络的MRI不同期多模图像表征方法，包括以下步骤：(1)采集一系列已配准的MRI不同期图像；(2)对这些图像进行标准化处理；(3)构建多通道卷积神经网络，并对其进行训练；(4)将待表征的某一期MRI图像经标准化处理后输入到多通道卷积神经网络中，从而输出得到表征结果。本发明将卷积神经网络引入到图像表征中，通过网络自主学习不同模态间的相似特征，由此可解决现有表征方法相似度低、鲁棒性差的技术问题，输出的表征图像既忠实于原始输入图像又使得多通道输出的不同期表征图像尽可能相似，同时满足了很多应用实时性的要求。

主权项

1.一种基于多通道卷积神经网络的MRI不同期多模图像表征方法，其特征在于，包括以下步骤：(1)采集一系列已配准的MRI不同期图像；(2)根据所述步骤(1)得到的各个图像的具体模态信息以及它们的灰度直方图对这些图像进行标准化处理，得到这些一系列已配准的MRI不同期图像的标准化图像，这些标准化图像中属于同一种模态的标准化图像它们的灰度直方图具有相同的最小灰度值、相同的最大灰度值以及相同的峰位置灰度值；(3)构建初始多通道卷积神经网络，该初始多通道卷积神经网络中的每一通道对应于一种固定模态的MRI图像；然后，以所述步骤(2)得到的所述标准化图像作为训练数据，将这些标准化图像输入到与图像模态对应的所述初始多通道卷积神经网络的通道中，对该初始多通道卷积神经网络中的通道分别进行训练，得到训练后的多通道卷积神经网络；(4)测试表征步骤：将待表征的某一期MRI图像进行标准化处理得到标准化的待表征图像，该标准化的待表征图像其灰度直方图与所述步骤(2)得到的所述标准化图像中属于同一模态的标准化图像的灰度直方图具有相同的最小灰度值、相同的最大灰度值以及相同的峰位置灰度值；然后，将该标准化的待表征图像输入至所述步骤(3)得到的所述训练后的多通道卷积神经网络与该待表征图像模态相对应的通道中，从而得到该通道输出的表征结果。