-
Patent Agency Ranking
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
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：CN116012344B
公开(公告)日：2023-10-20
申请号：CN202310043858.5
申请日：2023-01-29
Applicant: 东北林业大学
IPC: G06T7/00 , G06T7/33 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种基于掩码自编码器CNN‑Transformer的心脏磁共振图像配准方法，属于医学图像处理技术领域。为解决现有技术中图像冗余特征以及注意力权重区分不够差异化所带来的计算量巨大，同时无法达到较高配准精度的问题。通过基于掩码自编码器的Transformer预训练网络获取预训练权重，以用于基于CNN‑Transformer配准网络的权重初始化，配准网络通过空间&通道并行挤压与激励模块生成具有不同维度注意力分布加权的特征图；通过Transformer编码器进行特征提取；通过基于CNN的解码器生成固定图像与浮动图像之间的形变场；将浮动图像、形变场输入空间变换网络，得到配准图像；计算配准图像与固定图像之间的损失，生成最优权重配准网络。本发明方法能够减少计算量的同时，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
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：CN116012344A
公开(公告)日：2023-04-25
申请号：CN202310043858.5
申请日：2023-01-29
Applicant: 东北林业大学
IPC: G06T7/00 , G06T7/33 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种基于掩码自编码器CNN‑Transformer的心脏磁共振图像配准方法，属于医学图像处理技术领域。为解决现有技术中图像冗余特征以及注意力权重区分不够差异化所带来的计算量巨大，同时无法达到较高配准精度的问题。通过基于掩码自编码器的Transformer预训练网络获取预训练权重，以用于基于CNN‑Transformer配准网络的权重初始化，配准网络通过空间&通道并行挤压与激励模块生成具有不同维度注意力分布加权的特征图；通过Transformer编码器进行特征提取；通过基于CNN的解码器生成固定图像与浮动图像之间的形变场；将浮动图像、形变场输入空间变换网络，得到配准图像；计算配准图像与固定图像之间的损失，生成最优权重配准网络。本发明方法能够减少计算量的同时，达到更精准的配准结果。
-
公开(公告)号：CN116091561A
公开(公告)日：2023-05-09
申请号：CN202310062737.5
申请日：2023-01-18
Applicant: 东北林业大学
IPC: G06T7/30 , G06T7/00 , G06T5/00 , G06F17/11 , G06F30/20 , G06V10/774 , G06N3/04 , G06N3/08 , G06F111/04
Abstract: 一种基于差异绝对值总和及任意阶全变分的可变形图像配准方法，属于图像处理技术领域，本发明是为了提高变分框架下的图像配准过程中正则化的普遍性和求解器的效率。本发明中的图像配准变分模型结合了最先进的差异绝对值总和和新的任意阶全变分正则化项，使得图像配准结果中保留了结果变形中的不连续，同时对离群噪声具有鲁棒性。本发明中的优化算法首先将线性化应用到问题中，以制定一个凸目标函数，然后使用快速、超松弛的交叉方向乘子法(ADMM)将结果的凸优化分解为几个点级封闭形式的子问题。利用本发明提出的算法，可以证明求解高阶变分公式与求解低阶变分公式是相似的。大量的实验表明，本发明在可变形图像配准领域明显优于次梯度、原对偶算法以及基于深度学习和自由形式变形的最先进的方法，特别是当使用高阶导数时，本发明的优势更加明显。
-
-
-
-
Search Results
5
records
(took 0.021 seconds)
