[发明专利]一种多参数磁共振图像全自动配准与分割方法

权利要求书

1.一种多参数磁共振图像全自动配准与分割方法，其特征在于，该方法包括配准模型与分割模型的联合训练，具体包括如下步骤：

(1)以多参数磁共振图像中的一个序列为参考图像，以多参数磁共振图像中除参考图像以外的序列为浮动图像，构建以参考图像为基准并对浮动图像进行配准的配准模型，生成用于图像配准的形变场φ，并建立基于图像灰度相似性测度的配准损失函数Loss_r；

(2)构建对参考图像和浮动图像进行目标分割的分割模型，建立关于参考图像与浮动图像的分割损失函数Loss_s；

(3)构建衡量分割模型对参考图像和浮动图像分割结果轮廓相似性的轮廓相似性损失函数Loss_c以及融合灰度信息与轮廓信息的联合损失函数Loss_rc；

(4)以联合损失函数Loss_rc最小为目标，交替训练配准模型和分割模型直到满足收敛条件；

步骤(1)中配准损失函数Loss_r具体为：

Loss_r＝-NMI(F,φ(M))，

其中，F为参考图像，M为浮动图像，φ(M)为采用形变场φ变换后的浮动图像，NMI(F_,φ(M))为M和φ(M)的局部归一化互信息；

步骤(2)中分割损失函数Loss_s具体为：

Loss_s＝D(Seg(F),S)+D(Seg(φ(M)),S)，

其中，F为参考图像，M为浮动图像，φ(M)为采用形变场φ变换后的浮动图像，S为分割标注模板，Seg(F)为F的分割结果，Seg(φ(M))为φ(M)的分割结果，D(Seg(F),S)为Seg(F)与S的Dice分数，D(Seg(φ(M)),S)为Seg(φ(M))与S的Dice分数；

步骤(3)中轮廓相似性损失函数Loss_c具体为：

Loss_c＝D(Seg(F),Seg(φ(M)))，

其中，F为参考图像，M为浮动图像，φ(M)为采用形变场φ变换后的浮动图像，Seg(F)为F的分割结果，Seg(φ(M))为φ(M)的分割结果，D(Seg(F),Seg(φ(M)))为Seg(F)与Seg(φ(M))的Dice分数；

步骤(3)中联合损失函数Loss_rc具体为：

Loss_rc＝Loss_r+βLoss_c，

其中，Loss_r为配准损失函数，Loss_c为轮廓相似性损失函数，β为加权权重。

2.根据权利要求1所述的一种多参数磁共振图像全自动配准与分割方法，其特征在于，所述的配准模型包括卷积神经网络。

3.根据权利要求1所述的一种多参数磁共振图像全自动配准与分割方法，其特征在于，所述的分割模型包括三维全卷积神经网络。

4.根据权利要求1所述的一种多参数磁共振图像全自动配准与分割方法，其特征在于，步骤(4)具体为：首先对配准模型进行训练，更新形变场φ，利用形变场φ对浮动图像进行配准变换，校正浮动图像偏移与形变，更新分割损失函数，进行分割模型训练，进而更新联合损失函数，反复交替训练分割模型和配准模型直至迭代次数达到设定值或分割与配准精度达到既定指标。