公开(公告)号：CN114648562A

公开(公告)日：2022-06-21

申请号：CN202210272128.8

申请日：2022-03-18

Applicant: 重庆大学附属肿瘤医院

Inventor： 周宏 ,  牟建波 ,  杨维斌 ,  谢婷婷 ,  吴永忠 ,  林博

IPC: G06T7/33 ,  G06K9/62 ,  G06N3/04 ,  G06T7/73 ,  G06V10/774 ,  G06V10/82 ,  G06V10/74

Abstract: 本发明提出了一种基于深度学习网络的医学图像配准方法，包括以下步骤：S1，获取多个图像对；S2，将训练集中的图像对输入包含编码器‑解码器结构的卷积神经网络，预测从浮动图像到固定图像的位移场，然后利用空间梯度上的正则化平滑位移场均值，得到平滑后的位移场；S3，利用空间变换网络对平滑后的位移场进行变形得到采样网格，然后用采样网格对浮动图像进行重采样得到配准后的图像；S4，计算配准后的图像和固定图像之间的相似性损失函数，然后最小化所述相似性损失函数即可得到最优的配准图像，选取最小的参数作为参数θ；S5，输入测试集中的图像对，利用深度学习图像配准网络进行配准，最终得到配准的图像。本发明能够快速的对图像进行配准，并且不需要添加标签数据就可取得较好的配准效果。