基于深度学习的图像形变配准方法
授权
摘要
本发明公开了一种基于深度学习的图像形变配准方法，适用于CT影像和MRI影像配准方法。基于深度学习的图像形变配准方法包括：步骤S1，采集多模态数据集，并预处理图像数据，且多模态数据集包括CT图像和MRI图像。步骤S2：构建基于深度学习的配准网络模型，训练模型。步骤S3：获取测试数据，以验证模式输入步骤S2中训练好的基于深度学习的配准网络模型，得到相应的变形场。步骤S4：应用变形场，将MRI图像形变配准至CT图像，且后处理配准后的MRI图像。借此，本发明的基于深度学习的图像形变配准方法，其能够根据无监督学习两个待配准图像之间的形变关系，引入的网络结构能有效的配准两个多模态或者单模态图像。
基本信息
专利标题 ：
基于深度学习的图像形变配准方法
专利标题（英）：
暂无
公开（公告）号 ：
CN113450397A
申请号 ：
CN202110714478.0
公开（公告）日 ：
2021-09-28
申请日 ：
2021-06-25
授权号 ：
CN113450397B
授权日 ：
2022-04-01
发明人 ：
刘守亮魏军田孟秋沈烁
申请人 ：
广州柏视医疗科技有限公司
申请人地址 ：
广东省广州市黄埔区玉岩路12号一期办公楼306室
代理机构 ：
北京兴智翔达知识产权代理有限公司
代理人 ：
郭卫芹
优先权 ：
CN202110714478.0
主分类号 ：
G06T7/33
IPC分类号 ：
G06T7/33 G06T7/00 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06T
一般的图像数据处理或产生
G06T7/10
分割；边缘检测
G06T7/30
确定图像校准的变换参数，例如图像配准
G06T7/33
使用基于特征的方法
法律状态
2022-04-01 ：
授权
2021-10-22 ：
实质审查的生效
IPC(主分类) : G06T 7/33
申请日 : 20210625
申请日 : 20210625
2021-09-28 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
