[发明专利]一种对抗配准方法、装置、计算机设备及存储介质

权利要求书

1.一种对抗配准方法，其特征在于，包括：

获取医学影像图像以及对应的解剖分割图像，对所述医学影像图像和解剖分割图像进行预处理，得到数据集，其中，所述解剖分割图像中包括至少一解剖分割图像区域；

利用所述数据集对预设的配准网络和判别网络分别进行学习；

根据学习后的配准网络的输出结果和判别网络的输出结果为所述配准网络构建第一损失函数，以及通过所述判别网络和所述配准网络对抗学习为所述判别网络构建第二损失函数；

利用所述第一损失函数和第二损失函数分别对所述配准网络和判别网络进行反馈优化，并利用优化后的配准网络对指定的医学影像图像进行配准处理。

2.根据权利要求1所述的对抗配准方法，其特征在于，所述获取医学影像图像以及对应的解剖分割图像，对所述医学影像图像和解剖分割图像进行预处理，得到数据集，包括：

从医学数据库中获取医学影像图像以及对应的解剖分割图像；

对所述解剖分割图像中的解剖分割图像区域进行像素值标记；

对所述医学影像图像以及解剖分割图像统一进行缩放，以使所述医学影像图像和所述解剖分割图像的大小与配准网络和判别网络构成的神经网络的输入大小相适应，从而得到数据集。

3.根据权利要求1所述的对抗配准方法，其特征在于，所述利用所述数据集对预设的配准网络和判别网络分别进行学习，包括：

在所述数据集中随机选取一张医学影像图像和一张解剖分割图像，并分别作为固定图像和固定分割图像，然后在所述数据集中随机选取另一张医学影像图像和另一张解剖分割图像，并分别作为移动图像和移动分割图像；

将所述固定图像和移动图像组合作为图像对，以及将所述固定分割图像和移动分割图像组合作为分割图像对，并基于所述配准网络的输入要求，分别设置数量与所述配准网络批处理次数相同的图像对和分割图像对；

将所述图像对输入至所述配准网络，通过所述配准网络的前向传播获取所述图像对中的移动图像至固定图像的像素之间的位移场；

利用网格重采样模块根据所述位移场对所述移动图像和所述分割图像对中的移动分割图像进行空间变换，并通过线性插值方法获取对应的折叠图像和折叠分割图像；

对所述分割图像对中的固定分割图像添加噪声，得到带有噪声的固定分割图像，将所述折叠分割图像和带有噪声的固定分割图像输入至所述判别网络，并通过所述判别网络输出所述分割图像对的分割相似度。

4.根据权利要求3所述的对抗配准方法，其特征在于，所述将所述图像对输入至所述配准网络，通过所述配准网络的前向传播获取所述图像对中的移动图像至固定图像的像素之间的位移场，包括：

将所述图像对输入至所述配准网络；

依次通过所述配准网络中的第一编码器模块和第二编码器模块对所述图像对进行编码，输出得到所述图像对的第一编码；

依次通过第一解码器模块和第二解码器模块对第一编码进行解码，输出得到第一位移场；

通过第三编码器模块对所述第一编码进行编码，输出得到所述图像对的第二编码；

依次通过第三解码器模块、第四解码器模块和第五解码器模块对所述第二编码进行解码，输出得到第二位移场；

通过第四编码器模块对所述第二编码进行编码，输出得到所述图像对的第三编码；

依次通过第六解码器模块、第七解码器模块、第八解码器模块和第九解码器模块对所述第三编码进行解码，输出得到第三位移场。

5.根据权利要求3所述的对抗配准方法，其特征在于，所述将所述折叠分割图像和带有噪声的固定分割图像输入至所述判别网络，并通过所述判别网络输出所述分割图像对的分割相似度，包括：

将所述折叠分割图像和带有噪声的固定分割图像输入至所述判别网络；

依次经过所述判别网络的第一卷积层、第一最大池化层、第二卷积层、第二最大池化层、第三卷积层、第三最大池化层、第四卷积层和第四最大池化层对所述折叠分割图像和带有噪声的固定分割图像进行处理，然后将经过处理的折叠分割图像和带有噪声的固定分割图像输入至全连接层中，并通过激活函数输出最终的分割相似度。