[发明专利]一种基于深度学习的医学图像配准方法及终端

权利要求书

1.一种基于深度学习的医学图像配准方法，其特征在于，包括步骤：

获取待配准移动图像和待配准固定图像，对所述待配准移动图像和待配准固定图像进行预处理；

将预处理后的所述待配准移动图像和待配准固定图像进行拼接得到拼接图像；

使用U型网络对所述拼接图像进行预测得到所述待配准移动图像与待配准固定图像间的流场，根据所述流场对所述待配准移动图像进行重采样；

对重采样后的待配准移动图像和待配准固定图像进行配准得到配准图像，使用多个损失函数对所述配准图像进行调整并验证调整后的配准图像；

所述将预处理后的所述待配准移动图像和待配准固定图像进行拼接得到拼接图像之后包括：

获取用于惩罚折叠操作的损失函数loss：

loss＝cc(trueY,predY)+λ||Du_{trueX→predY}||l₂+cc(trueX,predX)+λ||Du_{predY→predX}||l₂；

式中，cc表示交叉相关，trueX表示实际的固定图像，trueY表示实际的移动图像，predX表示预测的固定图像，predY表示预测的移动图像，λ表示参数，Du_{trueX→predY}表示预测扭曲图像的位移场，Du_{predY→predX}表示预测扭曲图像对应的逆位移场，|| ||l₂表示范数形式；

通过用于惩罚折叠操作的损失函数和矢量化损失函数对所述拼接图像进行调整。

2.根据权利要求1所述的一种基于深度学习的医学图像配准方法，其特征在于，对所述待配准移动图像和待配准固定图像进行预处理包括：

对所述待配准移动图像和待配准固定图像的尺寸进行标准化；

提取标准化后的移动图像和固定图像的形状，并设置对应的零数组；

基于所述标准化后的移动图像和固定图像的形状和所述零数组，创建待配准移动图像和待配准固定图像的序列；

所述将预处理后的所述待配准移动图像和待配准固定图像进行拼接得到拼接图像包括：

根据所述待配准移动图像和待配准固定图像的序列进行拼接得到拼接图像。

3.根据权利要求1所述的一种基于深度学习的医学图像配准方法，其特征在于，根据所述流场对所述待配准移动图像进行重采样包括：

根据流场得到对应的采样网络；

通过所述采样网络在图像空间变换时对待配准移动图像进行重采样。

4.根据权利要求1至3中任一项所述的一种基于深度学习的医学图像配准方法，其特征在于，所述使用U型网络对所述拼接图像进行预测得到所述待配准移动图像与待配准固定图像间的流场，根据所述流场对所述待配准移动图像进行重采样包括：

对所述拼接图像进行形变构造，并使用U型网络对形变构造的结果进行预测；

将预测结果转换为所述待配准移动图像与待配准固定图像间的流场，使用所述流场扭曲所述待配准移动图像并进行重采样。