1.一种基于形变场融合的可变形医学图像配准方法,其特征在于,包括以下步骤步骤1、获取采集的待配准图像和参考图像,并对待配准图像和参考图像进行预处理;
步骤2、将步骤1预处理所得待配准图像 和参考图像 输入到双流配准网络,该双流配准网络设有两个架构相同但损失函数不同的分支网络,待配准图像 和参考图像 经配准网络第一分支网络处理得到形变场 ,待配准图像 和参考图像 经配准网络第二分支网络处理得到形变场 ;
其中,第一分支网络和第二分支网络均包括一对编码器和解码器,编码器对图像进行四个阶段的下采样,进而生成四种不同尺度和分辨率的特征图;解码器包含四个阶段的上采样,每一阶段将该层对应的特征图与编码器对应尺度的特征图进行拼接,并对拼接后的特征图进行上采样;最后经由两个连续的卷积层输出对应形变场;
其中,第一分支网络的损失函数 采用MSE相似性损失函数,第二分支网络的损失函数采用对比度‑结构相似性损失函数;对比度‑结构相似性损失函数两幅图像的局部区域的对比度相似度和结构相似度,当两幅图像相似程度越高时,对比度‑结构相似性损失函数越趋近于1;否则越趋近于0;
步骤3、通过形变场融合模块将配准网络输出的形变场 和 进行融合,形变场融合模块分别对两个形变场进行最大池化和平均池化,并将得到的特征经过卷积层进行特征提取后,最后输入到卷积核大小1 × 1 × 1的卷积层进行降维,得到最终的形变场 ;
步骤4、根据形变场 对待配准的图像进行配准,得到配准后的图像。
2.根据权利要求1所述的基于形变场融合的可变形医学图像配准方法,其特征在于,所述步骤1对待配准图像和参考图像进行预处理的操作包括裁剪、归一化,具体方法为:使用Freesurfer进行仿射空间归一化,并将图像裁剪为相同尺寸,使用FMRIB's Software Library软件库进行仿射配准。
3.根据权利要求1所述的基于形变场融合的可变形医学图像配准方法,其特征在于,所述编码器和解码器的具体网络结构如下:编码器中包括四个下采样阶段,每个下采用阶段包括一个卷积核大小为3 × 3 × 3的卷积计算过程、一个参数为0.2的LeakyReLU激活计算过程和一个步长为2的最大池化计算过程;如果原始输入图像为 ,则四个下采样阶段产生四个不同尺度和分辨率的特征图大小分别为: 、 、 、 ;
解码器中包括四个上采样阶段,每个上采样阶段包括一个卷积核大小为3 × 3 × 3的卷积计算过程、一个参数为0.2的LeakyReLU激活计算过程和一个步长为2的上采样计算过程;第一阶段上采样将上一阶段输出的特征图和第四阶段下采样输出的特征进行拼接,作为该阶段中卷积层的输入,第二阶段上采样将上一阶段输出的特征图和第三阶段下采样输出的特征进行拼接,作为该阶段中卷积层的输入,第三阶段上采样将上一阶段输出的特征图和第二阶段下采样输出的特征进行拼接,作为该阶段中卷积层的输入,第四阶段上采样将上一阶段输出的特征图和第一阶段下采样输出的特征进行拼接,作为该阶段中卷积层的输入;如果原始输入图像为 ,则四个上采样阶段产生四个不同尺度和分辨率的特征图大小分别为: 、 、 、 ;
四次上采样阶段后,在将特征图输出到两个连续的卷积层进行精细化的对齐及降维后,得到对应形变场 和 。
4.根据权利要求1所述的基于形变场融合的可变形医学图像配准方法,其特征在于,所述C‑S相似性损失函数是指对比度‑结构相似性损失函数,表达式为:上式中,表示图像中的体素集合,表示图像中的某个局部区域,表示局部参考图像,表示局部配准后的图像,表示局部图像体素的标准差, 表示参考图像与配准后图像的协方差。
5.根据权利要求1所述的基于形变场融合的可变形医学图像配准方法,其特征在于,整个配准网络的损失函数 的表达式为:表示两个分支网络生成的形变场, 表示最终融合后的形变场; 为相似性损失函数,且 与 不同, 为正则化项, 为权值, , ; 采用MSE损失函数,采用C‑S损失函数, 采用C‑S损失函数。
6.根据权利要求1所述的基于形变场融合的可变形医学图像配准方法,其特征在于,所述形变场融合模块对形变场 和形变场 进行融合的过程为:首先,分别对形变场 进行最大池化计算和平均池化计算,得到两个最大池化特征和两个平均池化特征;
然后,对两个最大池化特征进行拼接以及对两个平均池化特征进行拼接,生成两个新拼接特征,将两个新拼接特征各自输入到两个卷积层,得到两个处理后特征;
最后,将这两个处理后特征进行拼接,输入到卷积核大小1 × 1 × 1的卷积层进行降维,得到最终的形变场 。