-
公开(公告)号：CN116883462A
公开(公告)日：2023-10-13
申请号：CN202310775755.8
申请日：2023-06-28
Applicant: 南京邮电大学
IPC: G06T7/33 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06N3/006
Abstract: 本发明涉及基于深度学习的图像分割和配准技术领域，公开了基于LOFTR网络模型和改进粒子群算法的医学图像配准方法，包括：将CT数据经数字重建放射影像技术生成DRR图像；将X射线透视图像与生成的DRR图像经过图像增强和图像分割后输入LOFTR特征匹配神经网络，得到粗配准的结果；将粗配准得到的位置参数作为精配准的初始解，利用改进的粒子群算法得到最终的六个空间变换参数。本发明提供的方法，对图像进行分割保留感兴趣的骨节部分，再利用深层的特征识别匹配网络提高对高噪声图像处理的鲁棒性，对脊椎骨节的特征点进行识别并计算相似度进行粗配准，最后进行精配准确定六个空间变换参数，在保证精度的同时，提高了配准速度。
Search Results
1
records
(took 0.022 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
