公开(公告)号：CN116309748A

公开(公告)日：2023-06-23

申请号：CN202310217798.4

申请日：2023-03-08

Applicant: 成都信息工程大学

Inventor： 胡靖 ,  樊钦睿 ,  帅志坤 ,  吴锡

IPC: G06T7/33 ,  G06N3/0464 ,  G06N3/08 ,  G06T7/00 ,  G06N3/0442

Abstract: 本发明涉及一种基于注意力机制的跨模态3D医学图像配准方法，这是一种新的端到端的3D跨模态的深度强化学习配准方法，其中深度强化学习的框架由异步优势行动者评论家方法训练的，将强化学习与注意力感知机制相结合，以探测具有更可靠的图像区域，从而将配准过程引导到正确的方向。专注于三维跨模态刚性图像配准，并且使用3D卷积结合注意力机制对海量体素进行紧凑特征提取，此外使用随机点与对角点替换掉高斯差分的关键点来提高训练效率。这使得模型具有优秀的泛化能力，并且能模拟人类专家的配准过程，使得模型沿着准确的方向完成跨模态的3D医学图像配准。

公开(公告)号：CN114581499A

公开(公告)日：2022-06-03

申请号：CN202210156588.4

申请日：2022-02-21

Applicant: 成都信息工程大学

Inventor： 胡靖 ,  帅志坤 ,  吴锡

IPC: G06T7/33 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于深度强化学习的多模态医学图像刚性配准算法，这是一种新的端到端的多模态图像配准方法，由异步优势演员评论家(A3C)进行训练，能够模仿人类专家的逐步配准过程，增强了配准结果的可解释性。鉴于多模态配准任务在计算复杂度方面的严峻挑战，本发明将强化学习与注意力机制结合，使智能体能够捕捉更加抽象的高维特征，避免引入参数量巨大的深层次神经网络，保持了网络轻量高效的特性，这使得模型易于训练，且具有强大的鲁棒性和泛化能力，能够驱动模型能够沿着正确的方向扭曲移动图像。

公开(公告)号：CN116993788A

公开(公告)日：2023-11-03

申请号：CN202310718688.6

申请日：2023-06-16

Applicant: 成都信息工程大学

Inventor： 胡靖 ,  郑鹏 ,  帅志坤 ,  吴锡

IPC: G06T7/30 ,  G06T3/40 ,  G06N3/0464 ,  G06V10/74 ,  G06V10/82 ,  G06N3/096 ,  G06N3/088

Abstract: 本发明涉及一种基于多帧智能体的多模态医学图像柔性配准算法，基于强化学习设计一种新的端到端的多模态图像配准方法，由软演员‑评论家算法SAC驱动进行训练，能够模仿人类专家的逐步配准过程，提高高维配准动作的精准度。鉴于多模态环境极为复杂，在三维空间中的像素级控制存在严峻挑战，本发明将强化学习与计划者网络结合，鼓励人工代理显式地从已经产生的状态帧中学习更加准确的配准动作，用时空维度的优势克服来自多模态和高维连续动作空间的挑战，避免引入参数量巨大的深层次神经网络，且具有强大的鲁棒性和泛化能力，能够驱动模型沿着正确的方向扭曲移动图像。