[发明专利]一种基于互卷积的生物组织透射图像配准系统

说明书

本发明公开了一种基于互卷积的生物组织透射图像配准系统：其主要包括：基于互卷积的回归器、空间转化器、采样器。将生物组织透射图像配准对输入至系统进行配准，系统输出透射图像配准后的结果图。系统可以通过训练实现更新，优化配准效果。本发明可以对关键点稀少、信噪比低的生物组织透射图像实现有效配准，保留浮动图像的细节纹理等信息，减少浮动图像在配准过程中的失真，提升生物组织透射图像配准的效果，减少系统占用存储空间。为乳腺肿瘤早期诊断等涉及低信噪比、低对比度的生物组织透射图像相关技术研究提供了支持。

技术领域

本发明属于计算机视觉领域，具体地涉及一种基于互卷积的生物组织透射图像配准系统。

背景技术

医学图像配准技术作为医学图像分析中不可或缺的关键步骤，是实现医学图像融合、分割、对比以及重建的前提。很多医学管道依赖于图像配准技术，提升配准技术对临床应用具有重要意义。透射多光谱成像（TMI）使得乳腺肿瘤的早期诊断成为可能。光学成像技术因其无创、实时、灵敏性及特异性强等特点，可在人体病变组织早期筛查领域发挥作用，在生物医学成像具有重要研究价值。但由于生物组织具有强吸收和强散射的光学特性，会造成图像信噪比和对比度较低，对图像

处理与分析影响很大。很少有面向透射图像的研究从配准方向展开。对生物组织透射图像的配准算法进行深入研究，具有亟待开拓的市场前景，例如可能为乳腺肿瘤早期诊断提供支持与方法。

图像配准方法可分为经典传统方法与新兴的神经网络方法。经典传统方法又分为基于灰度信息的配准方法、基于变换域的配准方法、基于特征点的配准方法。其中，基于特征点的配准方法是传统方法中应用最广泛的配准方法。如尺度不变特征变换方法（SIFT）、加速鲁棒特征变换方法（SURF）、二元鲁棒不变可缩放关键点方法（BRISK）和定向快速旋转算法（ORB）等等。但生物组织强散射、强吸收的特性导致生物组织透射图像信噪比与对比度低，使得上述方法检测到的关键点数目稀少，对配准精度带来极大的不利影响。神经网络的发展为图像配准领域提供了一个崭新的方向。如STN、DIRNet等方法的提出实现了无监督的图像配准。但上述方法并不涉及关于乳腺肿瘤早期诊断的强吸收、强散射生物组织透射图像领域，配准方法也模型的存储空间占用情况。

发明内容

本发明要解决的技术问题是提供一种基于互卷积的生物组织透射图像配准系统。

本系统对于生物组织透射图像的配准算法进行深入研究，具有亟待开拓的市场前景，例如可能为乳腺肿瘤早期诊断提供支持与方法。

为解决上述技术问题，本发明基于互卷积的生物组织透射图像配准系统包括基于互卷积的回归器、空间转化器、采样器。浮动透射图像与固定透射图像输入至系统后，经过维度上的链接，先后经过基于互卷积的回归器、空间转化器、采样器，最终获得配准后的透射图像。系统可通过训练进行更新，提升配准效果。

其中，系统详细工作流程包括：

1）将透射图像待配准对输入至系统。

2）被输入的浮动透射图像与固定透射图像沿维度方向链接，进入基于互卷积的回归器，得到形变参数。

3）形变参数继续向下被送至空间转化器进行处理，获得空间形变场。

4）采样器以上一环节中得到的形变场为依据，对浮动透射图像进行重采样，输出配准后的透射图像。

系统更新方法包括：

1）将准备好的透射图像配准数据集输入至系统。

2）被输入的浮动透射图像与固定透射图像分批次沿维度方向链接，进入基于互卷积的回归器，得到形变参数。

3）形变参数继续向下被送至空间转化器进行处理，获得空间形变场。

4）采样器以上一环节得到的形变场为依据，对浮动透射图像进行重采样，输出配准后的透射图像。