[发明专利]一种多模态医学图像的配准方法及相关装置在审

专利信息
申请号: 202111338892.2 申请日: 2021-11-12
公开(公告)号: CN114266810A 公开(公告)日: 2022-04-01
发明(设计)人: 王毅;饶怡;倪东 申请(专利权)人: 深圳大学
主分类号: G06T7/30 分类号: G06T7/30;G06K9/62;G06V10/774
代理公司: 深圳市君胜知识产权代理事务所(普通合伙) 44268 代理人: 温宏梅
地址: 518060 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 多模态 医学 图像 方法 相关 装置
【说明书】:

本申请公开了一种多模态医学图像的配准方法及相关装置,方法包括将第一模态图像和第二模态图像输入风格转换模块,通过风格转换模块确定第一模态图像的第一模态转换图像及第二模态图像的第二模态转换图像;将第一模态图像和第一模态转换图像输入第一配准模块,通过第一配准模块确定第一配准图像;将第二模态图像和第二模态转换图像输入第二配准模块,通过第二配准模块确定第二配准图像。本申请通过风格转换模块实现第一模态图像和第二模态图像的双向图像风格转换,并通过形状先验知识对多模态图像的形状进行约束以改善转换后图像的质量,保留原有图像的结构信息,这样可以提高多模态图像的配准精度。

技术领域

本申请涉及医学图像处理技术领域,特别涉及一种多模态医学图像的配准方法及相关装置。

背景技术

近年来,随着深度学习的快速发展,计算机辅助诊断(Computer AidedDiagnosis,简称CAD)技术越来越成熟。其中,医学图像配准也成为计算机辅助诊断的研究热点之一,它在影像学诊断、手术导航和放射治疗计划等医学领域有众多的应用。

图像配准主要依据相似性度量预测图像间的空间转换参数,建立线性或非线性的点对点位置对应关系,从而实现空间一致性。随着医学成像设备的快速发展,医学成像技术呈现出多维度、多模态、高分辨率的发展趋势。对于同一患者,可以采集具有不同解剖信息的多种图像,如计算机断层成像(Computed Tomography,简称CT)和磁共振成像(MagneticResonance Imaging,简称MRI);同时,也可以采集具有功能信息的图像如单光子发射计算机断层成像(Single-Photon Emission Computed Tomography,简称SPECT)。然而,因为每种成像技术都有它的优缺点,所以单一的成像技术已经无法满足疾病的诊断需求。因此借助图像配准技术根据医生的需求对多模态图像进行融合,能够辅助医生更快速和精确地从各个角度观察病灶及其他解剖结构,使得临床诊断结果、手术及放射治疗计划的制定更准确可靠。例如,多模态图像配准在临床中应用包括:基于MRI-TRUS融合引导的前列腺靶向穿刺活检;基于PET/CT图像融合来表达病灶区域的结构形态;基于图像配准的三维重建技术等。

传统的多模态图像配准方法主要是依据相似度度量作为优化目标,通过不断迭代优化实现图像最佳匹配。然而该方法对于高维的医学图像需要花费较长的配准时间且需要先进的计算资源;同时,相似度度量也无法适用于多种不同模态图像,使得现有多模态图像配准方法在泛化性能较差等方面。虽然现有的基于深度学习的多模态图像配准方法有效地解决了配准时间长的问题,但现有基于深度学习的多模态图像配准方法普遍存在无法保留图像细节信息的问题,从而无法保证配准图像的图像效果。

因而现有技术还有待改进和提高。

发明内容

本申请要解决的技术问题在于,针对现有技术的不足,提供一种多模态医学图像的配准方法及相关装置。

为了解决上述技术问题,本申请实施例第一方面提供了一种多模态医学图像的配准方法,所述配准方法包括:

将待配准的第一模态图像和第二模态图像输入风格转换模块,通过所述风格转换模块确定所述第一模态图像对应的第二模态转换图像以及所述第二模态图像对应的第一模态转换图像;

将所述第一模态图像和所述第一模态转换图像输入第一配准模块,通过所述第一配准模块确定第一形变场并基于所述第一形变场确定所述第一模态图像对应的第一配准图像;

将所述第二模态图像和所述第二模态转换图像输入第二配准模块,通过所述第二配准模块确定第二形变场,并基于所述第二形变场确定所述第二模态图像对应的第二配准图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳大学,未经深圳大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111338892.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code