[发明专利]一种基于GAN的多模态脑部图像配准方法

摘要

随着影像技术的发展，各种成像设备的出现为现代医学的进步作出了巨大的贡献，但由于成像原理的限制，单一模态的影像技术通常只能提供单一且有限的信息，因此为了提高诊断的准确性和治疗的有效性，医生往往需要融合不同模态图像的信息以了解病变组织或器官的综合信息。为了实现对脑部图像进行的高效、快速配准，便于医生进行治疗，提出了一种基于基于生成对抗网络的配准方法。在生成器中采用U‑Net的编码器‑解码器结构，编码器获取浮动图像到固定图像的变换参数，解码器恢复特征图尺寸，通过在相似度测度上使用基于归一化互信息的医学图像配准，以梯度下降法作为图像配准的优化算法，分别在CT单模态和CT‑MRI多模态序列图像中分别进行试验，对比使用原始的归一化互信息计算方法与改进的归一化互信息方法得到的配准结果。本发明能够通过自动学习同一数据集之间的映射联系，增强模型的泛化能力。本发明能实现精确、快速的配准。