[发明专利]一种基于神经网络模型的CT灌注医疗图像智能融合方法

摘要

本发明提供一种基于神经网络模型的CT灌注医疗图像智能融合方法，采用多种头颅灌注参数的测试图像和对应的头颅血液分布情况训练神经网络；输入多种头颅灌注参数的待融合图像到训练好的神经网络，得到头颅灌注多参数图像；按以下基于代数加权的乘积变换融合模型，将头颅灌注多参数图像与原始灰阶图像融合，得到需要的融合图像。应用本发明可以有效地综合纹理信息和特征信息，实现头颅灌注图像信息的准确直观的表达，初步实现计算机辅助诊断系统，为最终脑血管病的预防打下坚实的理论依据和有效的实践基础。

主权项

1.一种基于神经网络模型的CT灌注医疗图像智能融合方法，其特征是，包括以下步骤：步骤1，采用多种头颅灌注参数的测试图像和对应的头颅血液分布情况训练神经网络；步骤2，输入多种头颅灌注参数的待融合图像到训练好的神经网络，得到头颅灌注多参数图像；步骤3，按以下基于代数加权的乘积变换融合模型，将头颅灌注多参数图像与原始灰阶图像融合，获得同时具备病变区域纹理信息和病变程度特征信息的诊断图像，F(i,j)=I2ijmax(I2ij)]]>((1mnΣi=1mΣj=1n(I1ij-I1‾)(I2ij-I2‾)1mnΣi=1mΣj=1n(I1ij-I1‾)21mnΣi=1mΣj=1n(I2ij-I2‾)2|×0.5+0.5)×I1ij+(1-(|1mnΣi=1mΣj=1n(I1ij-I1‾)(I2ij-I2‾)1mnΣi=1mΣj=1n(I1ij-I1‾)21mnΣi=1mΣj=1n(I2ij-I2‾)2|×0.5+0.5))×I2ij)+B]]>其中，F(i,j)为融合图像；i为行数，取值为1到m，m为总行数；j为列数，取值为1到n，n为总列数；B为常数；I_1ij为头颅灌注多参数图像；I_2ij为原始灰阶图像，max(I_2ij)为原始灰阶影像的最大值；和分别为头颅灌注多参数图像和原始灰阶图像的均值。