买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜安徽大学申请的专利一种基于深度自校准的递进式三维生物医学图像配准方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114708308B 。

龙图腾网通过国家知识产权局官网在2025-05-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210042043.0，技术领域涉及：G06T7/30；该发明授权一种基于深度自校准的递进式三维生物医学图像配准方法是由屈磊;孙锐;吴军;苗永春;韩婷婷;李圆圆设计研发完成，并于2022-01-14向国家知识产权局提交的专利申请。

本一种基于深度自校准的递进式三维生物医学图像配准方法在说明书摘要公布了：本发明涉及一种基于深度自校准的递进式三维生物医学图像配准方法，与现有技术相比解决了递归级联配准策略中存在的信息泄露问题以及one‑shot配准策略中对位移场的平滑约束导致配准精度受限的缺陷。本发明包括以下步骤：三维生物医学图像数据集的获取和预处理；配准模型的构建；配准模型的训练；待配准图像与模板图像的获取与预处理；三维生物医学图像配准结果的获得。本发明通过将前次配准结果递归输入网络进行自校准优化并记录与整合每次递归产生的位移场，将空间中的大位移通过递归网络分段完成从而在无信息泄露的前提下提高了三维生物医学图像的配准精度，并有效的节省了GPU资源。

本发明授权一种基于深度自校准的递进式三维生物医学图像配准方法在权利要求书中公布了：1.一种基于深度自校准的递进式三维生物医学图像配准方法，其特征在于，包括以下步骤：11三维生物医学图像数据集的获取和预处理：获取单模态三维生物医学图像数据集，将其所有图像的尺寸采样到相同大小、像素值归一化到0-255，并将所有图像仿射预配准到同一个脑模板上，作为三维生物医学图像训练集；12配准模型的构建：利用python语言分别搭建低尺度卷积神经网络与原尺度卷积神经网络并将二者建立级联作为配准模型，设定低尺度卷积神经网络与原尺度卷积神经网络的损失函数；13配准模型的训练：设定配准模型训练的迭代次数以及分别设定低尺度卷积神经网络与原尺度卷积神经网络的递归次数，利用三维生物医学图像训练集对配准模型进行训练；所述配准模型的训练包括以下步骤：131设定模型训练的迭代次数为N_iter，即每次迭代都从三维生物医学图像训练集中随机选取两张图像作为待配准图像与目标图像输入到配准模型中进行训练；132设定低尺度训练递归的次数为N_low，N_low＝0，原尺度训练递归的次数为N_original、N_original＝0；33低尺度网络第一次递归：将待配准图像、目标图像下采样两倍后进行级联输入低尺度卷积神经网络，得到第一次输出的位移场，并保存第一次输出的位移场；134低尺度网络第二次递归，假设设定的N_low1：将第一次的配准结果作为新的待配准图像与原目标图像再次级联输入到低尺度卷积神经网络中，得到第二次输出的位移场，保存第二次输出的位移场；135利用位移场整合方法，将保存卷积神经网络模型第二次输出的位移场与第一次输出的位移场整合为一个总位移场，利用总位移场将原始待配准图像经过一次形变插值操作得到第二次递归的配准结果，将此配准结果作为新的待配准图像再次与目标图像级联输入卷积神经网络进行优化；若设定的N_low2，则在递归二次的基础上重复134-135步骤，即将每次递归输出的位移场与之前输出的位移场进行整合通过一次形变插值得到本次的配准结果，直至递归N_low次；136保存低尺度递归N_low次得到的总位移场作为先验信息与此次迭代训练未降采样的待配准图像与目标图像一并输入原尺度卷积神经网络；137利用低尺度递归N_low次得到的总位移场上采样两倍并数值扩大两倍得到的新位移场形变插值原尺寸的原待配准图像进行预形变，并将经过预形变的图像作为原尺寸的初次待配准图像；138原尺度网络第一次递归：将经过预形变的原尺度待配准图像与原尺寸的原目标图像进行级联输入到原尺度的卷积神经网络模型，输出原尺度下的第一次位移场，并保存第一次输出的位移场；139原尺度网络第二次递归，假设设定的N_original1：将第一次的配准结果作为新的待配准图像与原目标图像再次级联输入到卷积神经网络模型中，得到第二次输出的位移场，保存第二次输出的位移场；1310利用位移场整合方法，将保存卷积神经网络第二次输出的位移场与第一次输出的位移场整合为一个总位移场，利用总位移场将原始待配准图像经过一次形变插值操作得到第二次递归的配准结果，将此配准结果作为新的待配准图像再次与目标图像级联输入卷积神经网络进行优化；若设定的N_original2，则在递归二次的基础上重复139-1310步骤，即将每次递归输出的位移场与之前输出的位移场进行整合通过一次形变插值得到本次的配准结果，直至递归N_original次；311在三维生物医学图像训练集中再随机选取两张图像作为待配准图像与目标图像，重复131-1310步骤，直至配准模型训练结束；14待配准图像与模板图像的获取与预处理：获取单模态三维生物医学待配准图像与模板图像，并进行预处理；15三维生物医学图像配准结果的获得：将预处理后的待配准图像对输入训练后的配准模型，得到配准后的结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。