公开(公告)号：CN116051609A

公开(公告)日：2023-05-02

申请号：CN202310062802.4

申请日：2023-01-18

Applicant: 东北林业大学

Inventor： 邱兆文 ,  贾曦 ,  端金鸣 ,  肖辛

IPC: G06T7/30 ,  G06T3/40 ,  G06T9/00 ,  G06T5/10 ,  G06T5/20 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/088

Abstract: 本发明提供了一种基于带限变形傅里叶网络的无监督医学图像配准方法，属于医学图像处理技术领域，为解决目前基于自编码器结构的配准模型中存在的冗余的模块所带来的配准速度不够快，同时无法达到较高精度的问题。本发明基于带限变形傅里叶网络的无监督网络模型包括编码器模块、解码器模块和Warping模块；可将浮动图像和固定图像编码为带限傅里叶域中的形变场的低维特征图；再将其从带限傅里叶域重构到全分辨率空间域上生成形变场；最后，将浮动图像和形变场输入空间变换网络中，得到配准图像；通过计算配准图像与固定图像之间的相似性损失以及形变场的正则化平滑损失，训练网络模型。本发明方法具有更快的训练和配准速度，同时达到更精准的配准结果。

公开(公告)号：CN116051609B

公开(公告)日：2023-08-18

申请号：CN202310062802.4

申请日：2023-01-18

Applicant: 东北林业大学

Inventor： 邱兆文 ,  贾曦 ,  端金鸣 ,  肖辛

IPC: G06T7/30 ,  G06T3/40 ,  G06T9/00 ,  G06T5/10 ,  G06T5/20 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/088

Abstract: 本发明提供了一种基于带限变形傅里叶网络的无监督医学图像配准方法，属于医学图像处理技术领域，为解决目前基于自编码器结构的配准模型中存在的冗余的模块所带来的配准速度不够快，同时无法达到较高精度的问题。本发明基于带限变形傅里叶网络的无监督网络模型包括编码器模块、解码器模块和Warping模块；可将浮动图像和固定图像编码为带限傅里叶域中的形变场的低维特征图；再将其从带限傅里叶域重构到全分辨率空间域上生成形变场；最后，将浮动图像和形变场输入空间变换网络中，得到配准图像；通过计算配准图像与固定图像之间的相似性损失以及形变场的正则化平滑损失，训练网络模型。本发明方法具有更快的训练和配准速度，同时达到更精准的配准结果。