摘要
本发明涉及一种基于自监督多模态融合的医学图像配准方法,步骤包括:获取同一病人的一对CT与MRI图像;采用以MRI图像冠状平面和矢状平面的切片作为监督信号进行自监督训练的MRI图像超分辨率重建模型,得到高分辨率MRI图;以CT为固定图像,MRI为需要形变的移动图像,分别利用原始MRI图像与CT图像训练以及重建模型得到的高分辨率MRI图像与CT图像训练形变场生成模型得到粗粒度尺度的形变场与细粒度尺度的形变场,并叠加两个形变场得到混合形变场对病人的CT与MRI图像进行配准。与现有技术相比,本发明解决了与传统的非刚性配准方法相关的计算挑战,提高了图像配准的速度和效率,更适合临床应用。
技术关键词
医学图像配准方法
超分辨率重建模型
冠状
图像超分辨率重建
多模态
编码器
学生
上采样
教师
解码器
切片
刚性配准方法
网络特征
超分辨率网络
位置变化信息
网络模块
特征提取器
系统为您推荐了相关专利信息
多模态数据融合
筛查系统
成瘾风险
识别模块
基因组测序数据
多模态情绪
情绪状态识别
语音采集设备
生理
情绪识别模型
智能监测控制方法
补偿介电常数
田间持水量
智能监测控制系统
墒情指数