-
公开(公告)号:CN116452645A
公开(公告)日:2023-07-18
申请号:CN202310441400.5
申请日:2023-04-23
Applicant: 安徽大学 , 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
Abstract: 本发明涉及一种基于符号距离函数协同分割的跨模态医学图像配准方法,包括:将跨模态生物医学图像分为浮动图像和固定图像;预估固定图像的符号距离场;得到训练后的分割模型;进行Voxel‑Morph配准模型的训练;重复步骤(2)到步骤(4),直到重构模型、分割模型和配准模型收敛;将预估符号距离场和计算的待配准的、浮动图像的真实的符号距离场输入收敛后的Voxel‑Morph配准模型中生成配准后的浮动图像。本发明将跨模态图像的符号距离场作为潜在结构特征有效协同分割和配准任务,将跨模态图像配准问题转化成模态无关的单模态配准问题,大大提高了小样本场景下的跨模态生物医学图像的配准表现,提高了跨模态脑配准的精度。
-
公开(公告)号:CN115018856A
公开(公告)日:2022-09-06
申请号:CN202210755316.6
申请日:2022-06-29
Applicant: 安徽大学
Abstract: 本发明提供了一种基于对比学习和空间编码的弱监督医学图像分割配准协同方法,通过先构建图像分割模型,用少量标注图像预训练分割模型;获取医学图像数据及其器官分割标注,将其划分为浮动图像和固定图像;使用分割模型预测没有分割标注的图像分割标注;使用预测的分割标注计算图像的空间编码用于配准网络的训练;使用分割标注计算结构对应信息用于像素级Siamese网络的训练;使用配准模型生成增广数据结合Siamese网络进行分割模型的再训练,重复训练直到多个模型收敛。通过以上的配准和分割模型,大大提升了小样本情况下医学图像分割和配准任务的表现,实现了医学图像配准和分割任务之间的协同联合处理。
-
公开(公告)号:CN115018856B
公开(公告)日:2025-04-29
申请号:CN202210755316.6
申请日:2022-06-29
Applicant: 安徽大学
Abstract: 本发明提供了一种基于对比学习和空间编码的弱监督医学图像分割配准协同方法,通过先构建图像分割模型,用少量标注图像预训练分割模型;获取医学图像数据及其器官分割标注,将其划分为浮动图像和固定图像;使用分割模型预测没有分割标注的图像分割标注;使用预测的分割标注计算图像的空间编码用于配准网络的训练;使用分割标注计算结构对应信息用于像素级Siamese网络的训练;使用配准模型生成增广数据结合Siamese网络进行分割模型的再训练,重复训练直到多个模型收敛。通过以上的配准和分割模型,大大提升了小样本情况下医学图像分割和配准任务的表现,实现了医学图像配准和分割任务之间的协同联合处理。
-
-