公开(公告)号：CN120047499A

公开(公告)日：2025-05-27

申请号：CN202311586648.7

申请日：2023-11-24

Applicant: 上海交通大学

Inventor： 邹卫文 ,  赵麾宇 ,  牛宇昂 ,  苗闯 ,  邓晓

IPC: G06T7/33 ,  G06T11/00 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种基于语义重建的脊柱医学影像配准方法及系统。构建脊柱3D‑CT图像数据及其对应的2D图像数据；提供一2D‑3D重建模型，对2D图像数据进行重建，得到3D特征图b；提供一3D‑3D特征提取模型，将3D‑CT图像数据作为输入，得到与3D特征图相同维度的特征图s；提供一基于交叉注意力的并行双U型网络模型，对特征图b和特征图s进行融合并配准；采用基于像素和语义信息的多权重损失函数进行优化；训练得到配准模型，利用配准模型进行脊柱医学影像配准。本发明避免了降维导致的信息和精度损失，提高了2D/3D信息融合能力，提升了关键语义区域的关注权重，能够减少图像拍摄次数同时实现精准的脊柱图像配准。

公开(公告)号：CN120047500A

公开(公告)日：2025-05-27

申请号：CN202311589364.3

申请日：2023-11-24

Applicant: 上海交通大学

Inventor： 邹卫文 ,  牛宇昂 ,  赵麾宇 ,  苗闯 ,  邓晓

IPC: G06T7/33 ,  G06V10/77 ,  G06V10/82 ,  G06N3/045 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供了一种基于多维损失函数的医学影像配准方法及系统。其中方法包括：对3D‑CT医学影像数据进行预处理，包括固定图像和浮动图像；采用基于transformer的深度学习架构构建配准模型的初始模型，首先对预处理后的3D‑CT医学影像数据进行粗配准，得到粗配准刚体变换参数；基于粗配准刚体变换参数进一步通过配准模型的初始模型进行细配准；采用多维度自适应损失函数进一步优化配准模型的初始模型，得到能够获得最优结果的最终配准模型。本发明综合采用了深度学习网络技术，基于transformer深度学习网络框架从粗到精两阶段的配准结构，并引入多维度自适应损失函数，同时提高了配准的适配范围和配准精度。