摘要
本申请提出了一种基于弱监督学习的MRI‑TRUS图像配准方法及装置,包括以下步骤:首先获取待配准的MRI图像与TRUS图像,将其输入预训练的分割子网络,得到相应掩码。接着把这些掩码和原图像再输入预训练的配准子网络获取配准结果。配准子网络含变换场和配准单元,变换场单元生成密集变换场,配准单元以MRI掩码和图像为移动对象,TRUS掩码和图像为固定对象,依据变换场使移动对象配准到固定对象中。通过分割子网络来获取待配准MRI掩码以及待配准TRUS掩码,再以待配准MRI掩码以及待配准TRUS掩码为引导在配准子网络中进行精确配准。
技术关键词
弱监督学习
图像配准方法
解码单元
标签
配准误差
网络
上采样
解码器
图像配准装置
编码器
采样模块
可读存储介质
关键点
注意力
对象
系统为您推荐了相关专利信息
密度峰值聚类算法
采样点
相似性计算方法
邻居
度量
智能存储方法
深度强化学习模型
三维定位系统
AGV路径规划
RFID标签
矿石分选系统
参数
人工智能模型
多元回归模型
深度学习框架
增强子
特征提取模块
子模块
肺癌
肺结节良恶性分类