公开(公告)号：CN119963405A

公开(公告)日：2025-05-09

申请号：CN202510041537.0

申请日：2025-01-10

Applicant: 海南大学

Inventor： 张雨 ,  黄志豪 ,  黄梦醒 ,  冯文龙 ,  倪泽浩 ,  刘娜娜

IPC: G06T3/147 ,  G06V10/44 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/0455 ,  G06T5/70 ,  G06T5/60 ,  G06T7/00

Abstract: 本发明提供一种基于密集卷积和门控特征提取网络的前列腺MRI配准方法，包括：获取每个目标用户的前列腺MRI图像序列，MRI图像序列包括固定图像和移动图像；对固定图像和移动图像进行预处理；将预处理后的固定图像和移动图像输入门控残差融合模块，通过不同的卷积网络分别提取固定图像和移动图像的粗特征；将粗特征与其对应的源图像进行切片交叉拼接后输入配准网络，输出变形场；配准网络包括密集卷积模块和Swin Transformer模块；根据变形场，通过空间变换网络得到配准后的图像。本发明有效提高了多模态医学图像配准的准确性和效率，为前列腺疾病的诊断和治疗提供了重要技术支持。

公开(公告)号：CN117876445A

公开(公告)日：2024-04-12

申请号：CN202410152162.0

申请日：2024-02-03

Applicant: 海南大学

Inventor： 张雨 ,  倪泽昊 ,  黄梦醒 ,  刘娜娜 ,  毋媛媛 ,  冯文龙

IPC: G06T7/33 ,  G06T7/00 ,  G06T3/147 ,  G06N3/0464 ,  G06N3/088

Abstract: 本发明涉及图像处理技术领域，尤其涉及一种基于Transformer和ConvNet融合模型的无监督MRI图像配准算法及系统，该方法包括以下步骤：S1，将MRI图像进行预处理；S2，通过预先训练得到的融合模型提取预处理后的MRI图像中的形变场，所述融合模型包括并行的Transformer子网络和ConvNet子网络；S3，将移动图像与得到的形变场输入空间变换网络中，得到配准后的图像。本发明可有效地不同的二维或者三维图像进行快速配准，既利于医学图像的后续融合分割等处理，还有利于辅助医生能够更好的了解随访病人的身体变化状况，精准判断身体的患病区域变化情况。