摘要
本发明公开了基于神经网络模型的放疗图像信息的融合方法和融合系统,本发明涉及放疗图像融合技术领域,解决了原有的图像融合方式未能充分挖掘图像中的复杂特征和内在联系的问题,本发明通过通过识别不同待处理区域图像的同位置特征点位,实现不同模态图像的精准对齐,再利用轮廓区域分析及特征线段选定点位的方式,确定轮廓特征一致的待融合图像;为医护人员提供更清晰、准确的综合影像,提升对复杂病情的诊断能力,对不同模态图像的特征值区间进行量化处理,将点位特征值转化为可比对的量化值,通过计算特征线段上相同点位在不同模态图像的量化差值,选取量化差值最小的选定点位,保证了待融合图像在数值特征上的接近性。
技术关键词
神经网络模型
特征值
融合方法
轮廓区域
稳定特征点
线段
轮廓特征
方差特征
边缘轮廓
融合系统
影像
图像融合技术
数值
对象
序列
进程
双模态
系统为您推荐了相关专利信息
工作模态分析方法
C均值聚类算法
信号
协方差矩阵
数据
矩阵
局部结构特征
融合特征
体知识库
多源异构数据
神经网络算法
轻量级卷积神经网络
残差神经网络
多尺度特征
复核系统
关节点
混合神经网络模型
强化学习模型
定位补偿方法
实例分割网络
异常流量检测
混合神经网络模型
网关
信任评估方法
凭证