【技术实现步骤摘要】
本专利技术涉及图像配准，具体涉及一种4d呼吸运动合成的图像配准方法、一种4d呼吸运动合成的图像配准装置、一种计算机设备、一种计算机可读存储介质及一种计算机程序产品。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
2、在肺部配准领域，肺部呼吸运动所引起的复杂、非线性、大变形问题给配准任务带来了巨大的挑战。为了有效应对这一问题，使用4d ct序列图像来提供丰富的时间信息，并利用时间先验信息来指导配准过程，成为一种有效解决呼吸引起的配准问题的方法。4d ct结合了传统的ct扫描技术和时间序列信息，可以提供关于肺部器官或组织在时间上的动态变化的三维图像数据。然而，由于4d ct图像获取成本高昂以及辐射对人体的潜在危害等问题，使得获取4d ct序列图像变得困难。医学图像生成技术可以解决数据匮乏的问题，为临床诊断和治疗提供更好的支持。
3、在医学图像生成方面，基于深度学习技术的研究领域已经取得了显著的进展，目前主要采用的一种方法是基于生成对抗网络(generative adversarial networks，gan)，gan模型可以通过训练过程自动学习图像数据中的特征，生成与原始图像类似的新图像，然而gan模型可能会产生的人工特征，与解剖学结构相违背。另一个生成图像的方法是基于可变形图像配准，根据生成的光滑形变场扭曲浮动图像以此达到生成新的图像的目的，该方法大部分集中在三维图像生成上。扩散模型被提出应用到医学图像生成领域。在这种方法中，扩散模块估计中间态，然后将其插值后得
技术实现思路
1、为了解决现有技术的不足，本专利技术提供了一种4d呼吸运动合成的图像配准方法及系统，能够有效地生成处于两个呼吸状态之间的得到具有运动连续性的序列图像，对于研究肺部图像配准或其他呼吸过程中的疾病研究非常有意义。
2、为了实现上述目的，本专利技术采用如下技术方案：
3、第一方面，本专利技术提供了一种4d呼吸运动合成的图像配准方法。
4、一种4d呼吸运动合成的图像配准方法，包括以下过程：
5、学习浮动图像与固定图像之间的空间形变信息，并生成中间态；
6、根据中间态与浮动图像生成速度场，求解速度场后生成若干形变场；
7、各个形变场以不同的程度扭曲浮动图像，生成连续轨迹的时间帧图像，以用于浮动图像与固定图像(以浮动图像与固定图像构成图像对)之间的4d呼吸运动合成。
8、作为本专利技术第一方面进一步的限定，根据中间态与浮动图像生成速度场，包括：
9、根据中间态估计浮动图像到固定图像的速度场。
10、作为本专利技术第一方面进一步的限定，学习浮动图像与固定图像之间的空间形变信息，并生成中间态，包括：
11、对固定图像加入确定性的随机高斯噪声，控制反向扩散过程的去除干扰，学习高斯噪声到数据分布的马尔科夫变换，生成具有浮动图像到固定图像空间形变信息的中间态。
12、作为本专利技术第一方面进一步的限定，采用全卷积神经网络根据中间态与浮动图像生成速度场。
13、作为本专利技术第一方面进一步的限定，利用欧拉积分的方法求解速度场后生成若干形变场。
14、作为本专利技术第一方面进一步的限定，各个形变场以不同的程度扭曲浮动图像，生成连续轨迹的时间帧图像，包括：
15、将形变场和浮动图像送到空间变换网络中，得到具有运动连续性的序列图像。
16、作为本专利技术第一方面进一步的限定，以扩散损失、浮动图像和固定图像之间的相似度度量、平滑性损失和抗折叠损失的加和为总得损失函数。
17、第二方面，本专利技术提供了一种4d呼吸运动合成的图像配准装置。
18、一种4d呼吸运动合成的图像配准装置，包括：
19、中间态生成单元，被配置为：学习浮动图像与固定图像之间的空间形变信息，并生成中间态；
20、形变场生成单元，被配置为：根据中间态与浮动图像生成速度场，求解速度场后生成若干形变场；
21、连续图像生成单元，被配置为：各个形变场以不同的程度扭曲浮动图像，生成连续轨迹的时间帧图像，以用于浮动图像与固定图像之间的4d呼吸运动合成。
22、第三方面，本专利技术提供了一种计算机设备，包括：处理器和计算机可读存储介质；
23、处理器，适于执行计算机程序；
24、计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被所述处理器执行时，实现如本专利技术第一方面所述的4d呼吸运动合成的图像配准方法。
25、第四方面，本专利技术提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序适于被处理器加载并执行如本专利技术第一方面所述的4d呼吸运动合成的图像配准方法。
26、第五方面，本专利技术提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时，实现如本专利技术第一方面所述的4d呼吸运动合成的图像配准方法。
27、与现有技术相比，本专利技术的有益效果是：
28、本专利技术创新性的提出了一种4d呼吸运动合成的图像配准方法，扩散模块用于学习浮动图像与固定图像之间的空间形变信息，并生成中间态；中间态被送入形变模块，与浮动图像一起用于生成流场；利用欧拉积分方法求解流场，生成的若干形变场就能够以不同的程度扭曲浮动图像，从而生成连续轨迹的时间帧；通过上述方案，能够有效地生成处于两个呼吸状态之间的中间时间影像，对于研究肺部图像配准或其他呼吸过程中的疾病研究非常有意义，而且本专利技术提出的模型具有广泛的应用潜力，能够为医学图像处理领域提供新的工具和技术。
29、本专利技术以扩散损失、浮动图像和固定图像之间的相似度度量、平滑性损失和抗折叠损失的加和为总得损失函数，能够有效的保证模型精度，提高配准的精度。
30、本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.一种4D呼吸运动合成的图像配准方法，其特征在于，包括以下过程：
2.如权利要求1所述的4D呼吸运动合成的图像配准方法，其特征在于，
3.如权利要求1所述的4D呼吸运动合成的图像配准方法，其特征在于，
4.如权利要求1所述的4D呼吸运动合成的图像配准方法，其特征在于，
5.如权利要求1所述的4D呼吸运动合成的图像配准方法，其特征在于，
6.如权利要求1所述的4D呼吸运动合成的图像配准方法，其特征在于，
7.一种4D呼吸运动合成的图像配准装置，其特征在于，包括：
8.一种计算机设备，其特征在于，包括：处理器和计算机可读存储介质；
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序适于被处理器加载并执行如权利要求1-6任一项所述的4D呼吸运动合成的图像配准方法。
10.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时，实现如权利要求1-6任一项所述的4D呼吸运动合成的图像配准方法。>...
【技术特征摘要】
1.一种4d呼吸运动合成的图像配准方法，其特征在于，包括以下过程：
2.如权利要求1所述的4d呼吸运动合成的图像配准方法，其特征在于，
3.如权利要求1所述的4d呼吸运动合成的图像配准方法，其特征在于，
4.如权利要求1所述的4d呼吸运动合成的图像配准方法，其特征在于，
5.如权利要求1所述的4d呼吸运动合成的图像配准方法，其特征在于，
6.如权利要求1所述的4d呼吸运动合成的图像配准方法，其特征在于，
7.一种4d呼...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。