[发明专利]图像配准方法及装置

说明书

本公开提供一种图像配准方法及装置，所述方法包括：获取用于图像配准的多模态图像；对所述多模态图像进行模态转换，得到至少两组相同模态的图像对；对所述至少两组相同模态的图像对进行多通道配准，得到配准后的图像。因此，本公开既解决了不同模态间的图像灰度分布特性不一致引起的配准误差，又通过组合不同多通道图像对，从而提高了图像配准的准确度。

技术领域

本公开涉及图像处理技术领域，尤其涉及图像配准方法及装置。

背景技术

图像配准在医学领域有着重要的临床应用价值，比如：对多模态图像(即通过不同影像设备采集到的图像)进行配准，不仅可以用于医疗诊断，还可以用于手术计划的制定等。相关技术中，在图像配准时，一般基于传统的配准框架进行配准，比如：基于原始的MR(Magnetic Resonance，磁共振)或者CT(Computed Tomography，电子计算机断层扫描)图像，进行灰度结合其他结构信息之间的计算。但是，由于多模态图像的成像原理不同，使得不同模态间的图像灰度差异较大，从而降低了图像配准的精度。

发明内容

为克服相关技术中存在的问题，本公开实施例提供一种图像配准方法及装置。

根据本公开实施例的第一方面，提供一种图像配准方法，所述方法包括：

获得用于图像配准的多模态图像；

对所述多模态图像进行模态转换，得到至少两组相同模态的图像对；

对所述至少两组相同模态的图像对进行多通道配准，得到配准后的图像。

可选地，所述对所述多模态图像进行模态转换，包括：

通过生成对抗网络GAN网络模型对所述多模态图像进行模态转换。

可选地，所述GAN网络模型包括循环GAN网络模型。

可选地，所述多模态图像中包括第一模态的第一图像和第二模态的第二图像，所述第一模态与所述第二模态不同；

所述通过所述GAN网络模型对所述多模态图像进行模态转换，包括：

通过所述GAN网络模型对所述第一图像进行模态转换，得到所述第二模态的第一合成图像，所述第一合成图像与所述第二图像为相同模态的第一图像对；

通过所述GAN网络模型对所述第二图像进行模态转换，得到所述第一模态的第二合成图像，所述第二合成图像与所述第一图像为相同模态的第二图像对。

可选地，所述GAN网络模型中包括用于从所述第一模态转换为所述第二模态的第一模型、以及从所述第二模态转换为所述第一模态的第二模型；

所述通过所述GAN网络模型对所述第一图像进行模态转换，包括：

通过所述第一模型对所述第一图像进行模态转换；

所述通过所述GAN网络模型对所述第二图像进行模态转换，包括：

通过所述第二模型对所述第二图像进行模态转换。

可选地，所述第一模态和所述第二模态为以下任意两项：

电子计算机断层扫描CT；

磁共振MR；

超声；

X光；

正电子发射型计算机断层显像PET；

单光子发射计算机断层成像术SPECT。

可选地，所述第一图像为在图像配准中位置保持不变的源图像，所述第二图像是待配准的目标图像；