一种基于循环生成对抗网络的多序列磁共振图像配准方法

    公开(公告)号:CN109472817B

    公开(公告)日:2021-08-03

    申请号:CN201811128381.6

    申请日:2018-09-27

    Abstract: 一种基于循环生成对抗网络的多序列磁共振图像配准方法,包括以下步骤:1)对输入的序列1和序列2的磁共振原始图像,用CycleGAN进行训练,输出序列1和序列2的磁共振生成图像;2)对同序列的生成图像和原始图像进行单模态配准,计算变换矩阵及同序列两图之间的相似性度量;3)比较两个序列的相似性度量,选择对应策略,输出最终变换矩阵;4)使用最终变换矩阵对浮动图进行变换,获得最终的结果图。本发明对已配准样本的依赖较小,网络可训练性较高,抗干扰能力较强,配准精度较高。

    基于结构化随机森林编码器的眼底视网膜血管分割方法

    公开(公告)号:CN110189327A

    公开(公告)日:2019-08-30

    申请号:CN201910297397.8

    申请日:2019-04-15

    Abstract: 一种基于结构化随机森林编码器的眼底视网膜血管分割方法,包括如下步骤:S01:图像采集标注;S02:图像预处理;S03:提取特征:对眼底视网膜图像提取基于像素点的融合特征,特征由邻域信息,纹理和光照不敏感特征组成;S04:构建结构化随机森林编码器:使用结构化标签代替随机森林分类的二值标签,构建结构化随机森林编码器;S05:特征编码重构:通过结构化随机森林编码器对上述提取特征进行编码重构,得到新的特征;S06:随机森林分类模型训练:以新特征作为随机森林分类器输入,训练分类模型;S07:眼底视网膜血管分割:对需要分割的图像提取结构化随机森林编码特征,输入随机森林分类器,得到分割完成的血管图像。

    基于随机森林和中心线的眼底视网膜血管分割方法

    公开(公告)号:CN110189295A

    公开(公告)日:2019-08-30

    申请号:CN201910303510.9

    申请日:2019-04-16

    Abstract: 一种基于随机森林和中心线的眼底视网膜血管分割方法,包括如下步骤:S01:图像采集;S02:图像预处理;S03:提取特征:对眼底视网膜图像提取基于像素点的融合特征,特征以领域信息,纹理和光照不敏感特征组成;S04:随机森林分类模型训练:以新特征作为随机森林分类器输入,训练分类模型,完成粗分割;S05:提取中心线:提取粗分割血管的中心线;S06:连接中断中心线:搜索中心线像素点,判断相近的端点对,对端点对进行曲率计算,差值的绝对值小于阈值则按曲率连接两个端点;S07:血管补全:重新搜索中心线像素点,对中断处血管进行补全。本发明消除血管图像分割中的血管中断现象。

    一种基于循环生成对抗网络的多序列磁共振图像配准方法

    公开(公告)号:CN109472817A

    公开(公告)日:2019-03-15

    申请号:CN201811128381.6

    申请日:2018-09-27

    Abstract: 一种基于循环生成对抗网络的多序列磁共振图像配准方法,包括以下步骤:1)对输入的序列1和序列2的磁共振原始图像,用CycleGAN进行训练,输出序列1和序列2的磁共振生成图像;2)对同序列的生成图像和原始图像进行单模态配准,计算变换矩阵及同序列两图之间的相似性度量;3)比较两个序列的相似性度量,选择对应策略,输出最终变换矩阵;4)使用最终变换矩阵对浮动图进行变换,获得最终的结果图。本发明对已配准样本的依赖较小,网络可训练性较高,抗干扰能力较强,配准精度较高。

Patent Agency Ranking