[发明专利]一种基于循环生成对抗网络的多序列磁共振图像配准方法

摘要

一种基于循环生成对抗网络的多序列磁共振图像配准方法，包括以下步骤：1)对输入的序列1和序列2的磁共振原始图像，用CycleGAN进行训练，输出序列1和序列2的磁共振生成图像；2)对同序列的生成图像和原始图像进行单模态配准，计算变换矩阵及同序列两图之间的相似性度量；3)比较两个序列的相似性度量，选择对应策略，输出最终变换矩阵；4)使用最终变换矩阵对浮动图进行变换，获得最终的结果图。本发明对已配准样本的依赖较小，网络可训练性较高，抗干扰能力较强，配准精度较高。

主权项

1.一种基于循环生成对抗网络的多序列磁共振图像配准方法，其特征在于，所述方法包括如下步骤：1)对输入的序列1和序列2的磁共振原始图像，用CycleGAN进行训练，输出序列1和序列2的磁共振生成图像：2)对同序列的生成图像和原始图像进行单模态配准，计算变换矩阵及同序列两图之间的相似性度量，过程如下：2.1)对序列1的原始图像X和生成图像X*，寻找两图的特征点及其映射关系，计算序列1磁共振图像的变换矩阵1；2.2)计算生成图和原图的归一化互信息，作为序列1生成图和原图的相似性度量1；2.3)序列2磁共振图像的变换矩阵2及生成图和原图的相似性度量2计算方式同上。3)比较两个序列的相似性度量，选择对应策略，输出最终变换矩阵，过程如下：3.1)设置相似度比较标准值，若相似性度量1和相似性度量2的差距小于该值，则两序列的相似性度量差距较小，反之较大；3.2)若两序列的相似性度量差距较小，则计算变换矩阵1和变换矩阵2的均值作为最终变换矩阵并输出；3.3)若两序列的相似性度量差距较大，则选取相似性度量更优的变换矩阵作为最终变换矩阵并输出；4)使用最终变换矩阵对浮动图进行变换，获得最终的结果图。