[发明专利]深度学习图像的配准方法、装置、电子设备及存储介质

权利要求书

1.一种深度学习图像的配准方法，其特征在于，包括：

通过第一算法获取第一固定图像和移动图像的形变场；

根据所述形变场和移动图像获取第二固定图像；

根据所述移动图像、第二固定图像和形变场训练深度神经网络以获取训练好的深度神经网络。

2.根据权利要求1中所述的一种深度学习图像的配准方法，其特征在于，所述第一算法包括：

其中指代任何图像指标，I_i为3D固定图像，I_j为3D移动图像，τ()是度量形变场的规则性，λ是权重因素，D_i^j为形变场。

3.根据权利要求1中所述的一种深度学习图像的配准方法，其特征在于，所述根据所述移动图像、第二固定图像和形变场训练深度神经网络以获取训练好的深度神经网络包括：

根据生成算法和所述形变场生成大量仿真形变场；

根据所述大量仿真形变场获取大量训练数据训练深度神经网络以获取训练好的深度神经网络。

4.根据权利要求3中所述的一种深度学习图像的配准方法，其特征在于，所述根据生成算法和所述形变场生成大量仿真形变场包括：

D^k为仿真形变场，I_i为移动图像，作为固定图像。

5.根据权利要求1中所述的一种深度学习图像的配准方法，其特征在于，根据所述移动图像、第二固定图像和形变场训练深度神经网络以获取训练好的深度神经网络包括：

将所述第二固定图像和移动图像作为输入；

将所述形变场作为输出训练未训练好的配准网络以获取训练好的配准网络。

6.根据权利要求5中所述的一种深度学习图像的配准方法，其特征在于，所述将所述形变场作为输出训练未训练好的配准网络以获取训练好的配准网络之后还包括：

对所述训练好的配准网络进行配准测试。

7.根据权利要求6中所述的一种深度学习图像的配准方法，其特征在于，所述对所述训练好的配准网络进行配准测试包括：

多次随机选取所述第二固定图像和移动图像中的固定尺寸大小的图像块输入所述训练好的配准网络以输出相同大小的形变场图像块；

采用所述投票取平均的方式堆叠所述形变场以获取完整的形变场。

8.一种深度学习图像的配准装置，其特征在于，包括：

获取模块，用于通过第一算法获取第一固定图像和移动图像的形变场；

生成模块，用于根据所述形变场和移动图像获取第二固定图像；

输出模块，用于根据所述移动图像、第二固定图像和形变场训练深度神经网络以获取训练好的深度神经网络。

9.一种电子设备，其特征在于，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的深度学习图像的配准方法。

10.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序包括程序指令，其特征在于，该程序指令被处理器执行时实现如权利要求1-7中任一所述的深度学习图像的配准方法。