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：南京工业大学

摘要：本发明涉及一种结构保持的弱监督多模态前列腺图像配准方法，通过所设计步骤i至步骤ii，获得前列腺图像变换模型；然后执行步骤A至步骤B，应用前列腺图像变换模型，实现目标对象所对应分别已知图像中前列腺器官区域的三维前列腺磁共振MRI图像、前列腺经直肠超声TRUS图像之间的配准；方案设计在弱监督多模态前列腺配准网络中引入多级自注意力机制，为不同尺度的前列腺特征图建立长远距离的特征依赖关系，保证不同尺度前列腺特征图能携带更精准的空间位移量信息，并将其反映到位移场上，从而实现在不损害前列腺变换精度的情况下,使配准后前列腺图像中的内部器官结构得到更精细保持。

主权项：1.一种结构保持的弱监督多模态前列腺图像配准方法，其特征在于：通过步骤i至步骤ii，获得前列腺图像变换模型；然后执行步骤A至步骤B，应用前列腺图像变换模型，实现目标对象所对应分别已知图像中前列腺器官区域的三维前列腺磁共振MRI图像、前列腺经直肠超声TRUS图像之间的配准；步骤i.基于预设数量三维前列腺MRI样本图像、以及各三维前列腺MRI样本图像分别对应区分图像中前列腺器官区域的二值化三维前列腺MRI样本图像，分别与各三维前列腺MRI样本图像同属相同对象的各前列腺TRUS样本图像、以及各前列腺TRUS样本图像分别对应区分图像中前列腺器官区域的各二值化前列腺TRUS样本图像，结合分别用于描述各三维前列腺MRI样本图像中前列腺器官区域变换至相同对象的前列腺TRUS样本图像中前列腺器官区域轮廓形状的方法的各位移场，构建样本集，然后进入步骤ii；步骤ii.基于样本集，以三维前列腺MRI样本图像和对应二值化三维前列腺MRI样本图像中的前列腺器官区域、以及与其同属相同对象的前列腺TRUS样本图像和对应二值化前列腺TRUS样本图像中的前列腺器官区域为输入，以描述该三维前列腺MRI样本图像中前列腺器官区域变换至该前列腺TRUS样本图像中前列腺器官区域轮廓形状的方法的位移场为输出，针对待训练网络进行训练，获得前列腺图像变换模型；步骤A.针对目标对象所对应的三维前列腺MRI图像和前列腺TRUS图像，应用前列腺图像变换模型，获得描述该三维前列腺MRI图像中前列腺器官区域变换至该前列腺TRUS图像中前列腺器官区域轮廓形状的方法的位移场，然后进入步骤B；步骤B.由该三维前列腺MRI图像，并按该位移场所描述的方法，获得该三维前列腺MRI图像中前列腺器官区域变换至该前列腺TRUS样本图像中前列腺器官区域轮廓形状后的三维前列腺MRI目标图像，实现目标对象所对应三维前列腺MRI图像、前列腺TRUS图像之间的配准；步骤ii中的待训练网络为多级自注意力卷积神经网络，包括第一下采样模块、第二下采样模块、第三下采样模块、第一上采样模块、第二上采样模块、第三上采样模块、以及四个三线性上采样模块；其中，第一下采样模块包括一个自注意力机制块、三个特征提取模块、一个减少冗余特征模块、一个相加模块，自注意力机制块的输入端构成第一下采样模块的输入端；三个特征提取模块依次串联，并且其中第一位置的特征提取模块输入端构成该串联结构的输入端，以及其中第一位置的特征提取模块输出端与第三位置的特征提取模块输出端接入相加模块，由相加模块的输出端构成该串联结构的输出端；自注意力机制块的输出端与该串联结构的输入端相连接，该串联结构的输出端与减少冗余特征模块的输入端相连接，减少冗余特征模块的输出端构成第一下采样模块的输出端；第二下采样模块的结构与第三下采样模块的结构相同，第二下采样模块、第三下采样模块分别均包括一个自注意力机制块、两个特征提取模块、一个减少冗余特征模块、一个相加模块，其中，自注意力机制块的输入端构成下采样模块的输入端，两个特征提取模块依次串联，自注意力机制块的输出端与该串联结构的输入端相连接，同时，自注意力机制块的输出端与该串联结构的输出端接入相加模块，由相加模块的输出端对接减少冗余特征模块的输入端，减少冗余特征模块的输出端构成下采样模块的输出端；第一上采样模块的结构、第二上采样模块的结构、第三上采样模块的结构三者相同，分别均包括一个扩大尺度模块、两个特征提取模块、一个相加模块、一个三线性加法上采样模块，其中，扩大尺度模块的输入端、三线性加法上采样模块的输入端构成上采样模块的输入端，两个特征提取模块依次串联，且该串联结构的输入端与该串联结构的输出端接入相加模块，由相加模块的输出端构成该串联结构的输出端，且该串联结构的输出端构成上采样模块的输出端，扩大尺度模块的输出端与三线性加法上采样模块的输出端彼此相汇聚，构成汇聚端；第一下采样模块的输入端构成多级自注意力卷积神经网络的输入端，第一下采样模块、第二下采样模块、第三下采样模块依次串联，第三下采样模块的输出端对接第一上采样模块的输入端，第三下采样模块中自注意力机制块的输出端与第一上采样模块中的汇聚端接入相加模块，该相加模块的输出端对接第一上采样模块中串联结构的输入端；第一上采样模块的输出端对接第二上采样模块的输入端，第二下采样模块中自注意力机制块的输出端与第二上采样模块中的汇聚端接入相加模块，该相加模块的输出端对接第二上采样模块中串联结构的输入端；第二上采样模块的输出端与第一下采样模块中串联结构中第一位置的特征提取模块输出端接入相加模块，该相加模块的输出端对接第三上采样模块的输入端，第三上采样模块中的汇聚端对接其串联结构的输入端；第三下采样模块的输出端、第一上采样模块的输出端、第二上采样模块的输出端、第三上采样模块的输出端分别一一对应连接各三线性上采样模块的输入端，各三线性上采样模块的输出端彼此接入相加模块，由该相加模块构成多级自注意力卷积神经网络的输出端。

全文数据：

权利要求：

百度查询： 南京工业大学 一种结构保持的弱监督多模态前列腺图像配准方法