[发明专利]医学影像配准方法、装置、计算机设备及存储介质

权利要求书

1.一种医学影像配准方法，其特征在于，包括：

获取第一医学影像集和第二医学影像集；所述第一医学影像集中包含同一时刻不同视角的多张第一医学影像；所述第二医学影像集中包含不同时刻同一视角的多张第二医学影像；

将所述第一医学影像集输入至第一配准变换模型后，获取所述第一配准变换模型输出的对所述第一医学影像集进行多视角融合的第一配准图像；

将所述第二医学影像集输入至第二配准变换模型后，获取所述第二配准变换模型输出的对所述第二医学影像集进行多时序融合的第二配准图像；

对所述第一配准图像和所述第二配准图像进行融合，得到第三配准图像；所述第三配准图像反映出所述第一医学影像集和所述第二医学影像集的生长追踪结果。

2.根据权利要求1所述的医学影像配准方法，其特征在于，所述第一配准变换模型包括第一卷积神经网络和第一图像插值模块，所述将所述第一医学影像集输入至第一配准变换模型后，获取所述第一配准变换模型输出的对所述第一医学影像集进行多视角融合的第一配准图像，包括：

获取所述第一医学影像集中的多张所述第一医学影像；

将所有所述第一医学影像输入至第一卷积神经网络后，获取将各所述第一医学影像变形之后生成的多个第一变形场图像；

将所有所述第一变形场图像通过第一图像插值模块进行图像插值后，得到一张所述第一配准图像。

3.根据权利要求1所述的医学影像配准方法，其特征在于，所述将所述第一医学影像集输入至第一配准变换模型后，获取所述第一配准变换模型输出的对所述第一医学影像集进行多视角融合的第一配准图像之前，还包括：

获取第一标准训练图像以及第一参考图像，将一张所述第一标准训练图像以及一张所述第一参考图像作为一对第一配准对，通过第一卷积神经网络对所有所述第一配准对进行变形后，得到多个第一训练变形场；一个所述第一训练变形场对应一张所述第一标准训练图像；

将所述第一训练变形场通过第一图像插值模块进行图像插值后，得到第一插值结果；

将所述第一插值结果和所述第一参考图像输入至与所述第一卷积神经网络关联的第一预设损失函数后，获取第一训练变形场和第一参考图像的第一损失值；

在所述第一损失值大于第一预设损失值时，通过反向传播算法不断更新所述第一卷积神经网络的网络参数直至所述第一损失值小于或等于所述第一预设损失值；

在所述第一损失值小于或等于第一预设损失值时，确定所述第一配准变换模型训练完成，得到所述第一配准变换模型。

4.根据权利要求1所述的医学影像配准方法，其特征在于，所述第二配准变换模型包括第二卷积神经网络和第二图像插值模块，所述将所述第二医学影像集输入至第二配准变换模型后，获取所述第二配准变换模型输出的对所述第二医学影像集进行多时序融合的第二配准图像，包括：

获取所述第二医学影像集中的多张第二配准对；一张所述第二配准对包括一张所述第二医学影像和一张第二参考图像；

将所有所述第二配准对输入至第二卷积神经网络后，获取将各所述第二配准对变形之后生成的多个第二变形场；

将所有所述第二变形场通过第二图像插值模块进行图像插值后，得到所述第二配准图像。

5.根据权利要求4所述的医学影像配准方法，其特征在于，所述将所有所述第二配准对输入至由卷积神经网络构建成的第一配准变换模型之前，还包括：

获取第二标准训练图像以及第二参考图像，将一张所述第二标准训练图像以及一张所述第二参考图像作为一对第二配准对，通过第二卷积神经网络对所有所述第二配准对进行变形后，得到多个第二训练变形场；一个所述第二训练变形场对应一张所述第二标准训练图像；

将所述第二训练变形场通过第二图像插值模块进行图像插值后，得到第二插值结果；

将所述第二插值结果和所述第二参考图像输入至与所述第二卷积神经网络关联的第二预设损失函数后，获取第二训练变形场和第二参考图像的第二损失值；

在所述第二损失值大于第二预设损失值时，通过反向传播算法不断更新所述第二卷积神经网络的网络参数直至所述第二损失值小于或等于所述第二预设损失值；

在所述第二损失值小于或等于第二预设损失值时，确定所述第二配准变换模型训练完成，得到所述第二配准变换模型。