龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：华中科技大学
摘要：本发明属于图像处理与分析中的图像配准领域，具体公开了一种非刚性多模医学图像的配准方法及系统，该方法是：S1基于原始医学图像及其结构表征图，训练第一级CNN网络，使训练好的第一级CNN网络能够基于输入图像生成结构表征图；S2基于参考图像、浮动图像及标签图像的结构表征图，训练第二级CNN网络，使训练好的第二级CNN网络能够预估形变场；S3针对待配准医学图像，利用训练好的第一级CNN网络中，得到对应的结构表征图；S4利用训练好的第二级CNN网络，得到针对待配准医学图像的配准图像。本发明基于无监督深度学习，网络输入不区分医学图像的模态，尤其适用于多模医学图像的非刚性配准，配准精度高。
主权项：1.一种非刚性多模医学图像的配准方法，其特征在于，包括以下步骤：S1基于N1幅原始医学图像Io，通过图像结构表征的配准算法获得其结构表征图SR_o，由此得到N1对原始医学图像Io和其结构表征图SR_o作为训练集数据，训练第一级CNN网络，使训练好的所述第一级CNN网络能够基于输入图像生成结构表征图；S2基于N2幅医学图像及预先已知的、且与它们相对应的参考图像Ir、浮动图像If及标签图像Il，先通过图像结构表征的配准算法分别获得参考图像Ir、浮动图像If及标签图像Il的结构表征图SR_r、SR_f以及SR_l，然后以这些SR_r、SR_f以及SR_l作为训练集数据，训练第二级CNN网络，使训练好的所述第二级CNN网络能够预估形变场；S3针对待配准医学图像，将它的参考图像和浮动图像分别输入到训练好的所述第一级CNN网络中，得到对应的结构表征图SR_r_g、SR_f_g；S4将步骤S3得到的参考图像和浮动图像的结构表征图SR_r_g、SR_f_g，输入到训练好的所述第二级CNN网络中，得到形变场；然后，再将所述形变场通过空间转换作用在待配准医学图像的浮动图像上，从而即可得到针对待配准医学图像的配准图像。
全文数据：
权利要求：
百度查询： 华中科技大学 一种非刚性多模医学图像的配准方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号