基于深度学习的图像形变配准方法
基本信息
| 申请号 | CN202110714478.0 | 申请日 | - |
| 公开（公告）号 | CN113450397A | 公开（公告）日 | 2021-09-28 |
| 申请公布号 | CN113450397A | 申请公布日 | 2021-09-28 |
| 分类号 | G06T7/33（2017.01）I;G06T7/00（2017.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 刘守亮;魏军;田孟秋;沈烁 | 申请（专利权）人 | 广州柏视医疗科技有限公司 |
| 代理机构 | 北京兴智翔达知识产权代理有限公司 | 代理人 | 郭卫芹 |
| 地址 | 510530广东省广州市黄埔区玉岩路12号一期办公楼306室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于深度学习的图像形变配准方法，适用于CT影像和MRI影像配准方法。基于深度学习的图像形变配准方法包括：步骤S1，采集多模态数据集，并预处理图像数据，且多模态数据集包括CT图像和MRI图像。步骤S2：构建基于深度学习的配准网络模型，训练模型。步骤S3：获取测试数据，以验证模式输入步骤S2中训练好的基于深度学习的配准网络模型，得到相应的变形场。步骤S4：应用变形场，将MRI图像形变配准至CT图像，且后处理配准后的MRI图像。借此，本发明的基于深度学习的图像形变配准方法，其能够根据无监督学习两个待配准图像之间的形变关系，引入的网络结构能有效的配准两个多模态或者单模态图像。 |
