[发明专利]一种对抗配准方法、装置、计算机设备及存储介质

说明书

本发明公开了一种对抗配准方法、装置、计算机设备及存储介质，该方法包括：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，解剖分割图像中包括至少一解剖分割图像区域；利用数据集对配准网络和判别网络进行学习；根据配准网络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，以及通过判别网络和配准网络对抗学习为判别网络构建第二损失函数；利用第一损失函数和第二损失函数分别对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。本发明通过判别网络和配准网络之间的对抗学习，使配准网络反馈优化后的参数更加准确，从而提高配准精度。

技术领域

本发明涉及图像处理技术领域，特别涉及一种对抗配准方法、装置、计算机设备及存储介质。

背景技术

临床应用中单幅医学影像图像所包含的信息有限，合理地配准不同时间、模态的医学影像图像有利于外科医生和计算机的判断。

传统的图像配准方法往往被表述为一个优化问题，其中的迭代过程需要消耗大量的时间以及计算资源，这对于时间紧缺的临床当中，无法达到应用标准。

基于监督学习配准方法需要地面真实形变场，其质量作为对网络参数调节好坏的直接因数在网络训练中起着关键作用。然而通过随机生成的空间变换不仅不能反映真实的生理运动，虽然使用传统方法获取形变场训练模型可以解决上述问题，但会导致学习模型受限于传统方法的性能。

发明内容

本发明实施例提供了一种对抗配准方法、装置、计算机设备及存储介质，旨在提高对于医学影像图像的配准精度。

第一方面，本发明实施例提供了一种对抗配准方法，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。

第二方面，本发明实施例提供了一种对抗配准装置，包括：

图像预处理单元，用于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；

学习单元，用于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；

第一构建单元，用于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；

配准处理单元，用于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。

第三方面，本发明实施例提供了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的对抗配准方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的对抗配准方法。