本发明公开了一种基于超声冠状面图像的X光图像配准方法及装置，构建并训练脊柱超声冠状面图像和脊柱X光配准网络，所述配准网络包括第一生成器网络、第一空间变换网络、第二生成器网络、第二空间变换网络和判别器，第一生成器网络用于根据输入的浮动图像、浮动图像分割掩膜、基准图像和基准图像分割掩膜，生成对应的变形场，第一空间变换网络将变形场作用于浮动图像及其分割掩膜，得到配准图像和配准图像分割掩膜。本申请在原有脊柱超声图像和X光图像的基础上，实现X光图像的配准，不仅可以减少患者所花费的时间，还可减少患者暴露在辐射下的时间。
📄 2022100283202
📂 G06T7_00
👤 浙江工业大学
📅 2022-01-11
一种基于强约束仿射形变特征学习的颈动脉多模态图像配准方法，将医学图像数据输入卷积网络中，并将固定图像以及移动图像输入到训练好的网络中，获得可变性位移变形场DVF(Deformable vector field)，在获得DVF的基础上，引入强约束形的仿射模块，用以获得全局性的仿射变换，将DVF和仿射变换结合获得新的网格DA grid(DVF和仿射变换结合网格)。本发明利用神经网络训练产生可变性形变场之外，在同一网络模型当中得到基于全局性的仿射变形，提高了图像配准的速度和精度。
📄 2020107428453
📂 G06T7_30
👤 浙江工业大学
📅 2020-07-29
本发明公开了一种基于对抗的双向一致性约束医学图像配准算法，获取CT和MRI模态的医学图像并对其标准化预处理；构建深度学习神经网络，包括生成器的构建和鉴别器的构建；随机选取训练样本集，对步骤S2构建的深度学习神经网络进行对抗训练；将待配准医学图像对输入训练完成的深度学习神经网络，输出配准后的图像对，通过上述方式，解决了目前医学图像配准样本少，多模态配准难，相似性度量选择难的问题，取得高精度的配准效果。比如同一个病人的术前CT图像和MRI图像的配准，算法不需要提供大量的样本集和样本标注，就能完成算法的训练，同时保障运行稳定，能够自动得到高精度的医学图像的配准图像对。
📄 2022102609979
📂 G06T7_33
👤 成都信息工程大学
📅 2022-03-17
本发明公开一种大脑MR医学图像配准方法，包括1采用BCFCM方法对参考图像和浮动图像进行分割；2采用MSR检测方法对原始参考图像和原始浮动图像进行对称轴检测并提取对称轴方程；3对步骤1处理后图像进行阈值分割；4根据步骤2所检测的对称轴方程对步骤3处理后图像进行近似对称性约束，所得图像记为待配准的参考图像和浮动图像；5初始化刚体变换矩阵配准参数；6通过SSD相似性度量准则配准图像，得最优变换矩阵配准参数。以BCFCM方法对参考图像、浮动图像分割；分割后的图像通过二值化阈值处理分离前背景，对二值化后处理的图像进行对称性约束并用于SSD框架下的多模态图像配准。使其配准效率、精度及鲁棒性都提升。
📄 2019102891624
📂 G06T7_33
👤 南京邮电大学
📅 2019-04-11
本发明公开了一种基于LoG算子的3D/2D医学图像配准方法，先获取2D和3D医学图像并进行去噪预处理，再根据X射线成像计算模型和刚体变换模型建立投影坐标系；然后利用GPU的并行计算完成DRR图像的快速生成过程，并基于LoG算子建立相似性测度函数，最后利用混合优化算法对相似性测度函数进行迭代寻优，找出满足精度配准时的刚体变换参数，则迭代停止，从而完成配准过程。
📄 2019112933568
📂 G06T7_32
👤 电子科技大学
📅 2019-12-16
本发明公开了一种基于深度强化学习的3D/2D医学图像配准方法，先获取2D和3D医学图像并进行预处理，得到多分辨率的参考图像和浮动图像；然后搭建深度强化学习网络，对术前待配准3D图像做特定方向投影，得到不同变换参数的DRR图像，再计算每幅DRR图像与2D参考图像的相似性测度，最后选出相似性测度值最高的DRR图像，最后利用深度强化学习网络对选出的DRR图像进行图像配准。
📄 201910221414X
📂 G06T7_33
👤 电子科技大学
📅 2019-03-22
本发明公开一种基于对抗学习的医学图像配准方法及系统，包括：获取医学图像对，包括浮动图像和固定图像；构建对抗学习网络模型，包括生成网络和判别器；对医学图像对通过生成网络得到形变场和经形变场形变后的浮动图像；对形变后的浮动图像和固定图像通过判别器进行真假判断和相似性判断；将真假判断结果和相似性判断结果反馈至生成网络后，对形变场进行优化；根据优化后的形变场对待配准医学图像进行配准。采用生成网络生成形变场和形变后的图像，采用一个判别器网络判断输入图像真假，采用另一个判别器网络判断形变后的图像与固定图像的相似值，使变形后的图像更接近固定图像，在没有医学图像金标准的情况下，实现无监督的图像配准任务。
📄 2021102010120
📂 G06T7_33
👤 临沂大学
📅 2021-02-23
本发明提供一种基于神经网络的无监督三维医学图像配准方法及系统，包括：图像采集；对获取到的三维医学图像进行预处理；训练神经网络，得到训练好的神经网络模型；将待配准的医学图像输入训练好的神经网络模型进行配准，得到并输出配准图像。其中，本发明基于变形场变形场 变形场 以及基于变形后的图像 变形后的图像 变形后的图像变形后的图像 利用损失函数计算固定图像IF与所述变形后的图像 之间的损失函数值，并对神经网络进行反向传播优化，直至计算所得的损失函数值不再变小或网络训练达到预先设定的训练迭代次数，神经网络训练完成，得到训练好的神经网络模型。本发明用于实现医学图像配准。
📄 2019108288077
📂 G06T7_33
👤 福建奇豆网络科技有限公司
📅 2019-09-03
柿子坊 · 知识产权运营
柿子坊知识产权运营平台