[发明专利]一种基于生成对抗网络的图像非刚性配准方法及系统有效
| 申请号： | 201910306907.3 | 申请日： | 2019-04-17 |
| 公开（公告）号： | CN110021037B | 公开（公告）日： | 2020-12-29 |
| 发明（设计）人： | 张桂梅;胡强 | 申请（专利权）人： | 南昌航空大学 |
| 主分类号： | G06T7/30 | 分类号： | G06T7/30 |
| 代理公司： | 北京高沃律师事务所 11569 | 代理人： | 程华 |
| 地址： | 330000 江*** | 国省代码： | 江西;36 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于生成对抗网络的图像非刚性配准方法及系统，方法包括：基于真实的医学图像数据集获取合成的医学图像数据集，将合成的数据集作为生成对抗网络模型的训练样本，将真实的数据集作为最优化生成对抗网络模型的验证和测试数据集；构造生成对抗网络模型的结构，基于合成的医学图像数据集，对生成对抗网络模型进行迭代训练，得到最优化的生成对抗网络模型；基于最优化的生成对抗网络模型对真实医学图像数据集中的待配准图像对进行图像的非刚性配准，得到与参考图像贴近的矫正后图像。本发明中的上述方法能够在医学图像训练样本数量少、缺乏标注信息的情况下，提高医学图像非刚性配准的精度和速度，从而增强了配准方法和系统的泛化能力。 | ||
| 搜索关键词： | 一种 基于 生成 对抗 网络 图像 刚性 方法 系统 | ||
【主权项】：
1.一种基于生成对抗网络的图像非刚性配准方法，其特征在于，所述配准方法包括：图像数据集的扩充，基于真实的医学图像数据集获取合成的医学图像数据集，将合成的数据集作为生成对抗网络模型的训练样本，将真实的数据集作为最优化生成对抗网络模型的验证和测试数据集；构造生成对抗网络模型的结构，所述生成对抗网络模型包括生成器网络和判别器网络，所述生成器网络包括多个下采样网络层和对应相同数目的上采样网络层，用于获取参考图像和变形后的浮动图像之间预测的像素位移矢量场；所述判别器网络包括多个下采样网络层，用于对生成器网络结合重采样器的配准结果进行判断，并进行反向调节训练；基于所述合成的医学图像数据集，对所述生成对抗网络模型进行迭代训练，得到最优化的生成对抗网络模型；基于所述最优化的生成对抗网络模型对真实医学图像数据集中的待配准图像对进行图像的非刚性配准，得到与参考图像贴近的矫正后图像。
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南昌航空大学，未经南昌航空大学许可，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/201910306907.3/，转载请声明来源钻瓜专利网。
