【技术实现步骤摘要】
本专利技术涉及磁共振影像配准，更具体地，涉及一种基于自适应正则化的磁共振影像配准方法，用于对磁共振影像进行配准。
技术介绍
1、磁共振成像(magnetic resonance imaging,mri)是一种非侵入性的无创、无电离辐射的成像技术，是一种核磁共振的物理现象。它利用射频脉冲对置于磁场中含有自旋不为零的原子核进行激励，射频脉冲停止后，原子核进行弛豫，在其弛豫过程中用感应线圈采集信号，按一定的数学方法重建形成数学图像。相比于其它成像技术，磁共振影像可以准确、清晰的显示出成像部位的解剖结构。
2、图像配准是指对两幅不同的图像求解空间变换，使它们对应的点具有空间一致性。通常情况下，需要进行空间变换的图像称为浮动图像，而保持不变的图像称为固定图像。具体地说，图像配准是指浮动图像经过空间变换之后，能够与固定图像保持空间对齐，其对应点具有相同的空间位置。图像配准可以最大化地将不同模态或时间的医学图像融合，提高信息利用率。
3、传统磁共振图像配准方法都体现出了一定的局限性，普遍存在计算复杂、耗时长和普适性差等缺点。深度学习技术以其强大的学习能力和特征提取能力在磁共振图像配准领域得到广泛引用。其中，voxelmorph方法[balakrishnan g,zhao a,sabuncu m r.ieeetrans med imaging,2019,38:1788.]通过最大化形变后的图像和参考图像间的相似性来训练配准网络，避免图像配准了对金标准形变场的需求，实现了3d磁共振图像端到端的无监督配准模型。然而，在大多数
技术实现思路
1、本专利技术的目的在于针对现有技术存在的上述缺陷，提出一种基于自适应正则化的磁共振影像配准方法，在配准网络中使用教师配准网络-学生配准网络作为骨干网络，通过在教师配准网络中添加浮动图像域的外观扰动来获得空间变换不确定图，并利用这种空间变换不确定性自动调整损失函数中正则化项的权重，实现自适应正则化，从而提升磁共振影像配准精度。
2、本专利技术的上述目的通过以下技术方案实现：
3、一种基于自适应正则化的磁共振影像配准方法，包括以下步骤：
4、步骤1：对带有分割标签的原始mri图像进行预处理，选择其中一幅原始mri图像作为固定图像if，剩下的原始mri图像作为浮动图像im，根据浮动图像im构建训练集和测试集；
5、步骤2：搭建自适应正则化配准网络，自适应正则化配准网络包括教师配准网络、空间变换网络、以及学生配准网络；
6、步骤3：训练集中的浮动图像im与固定图像if在通道维度进行拼接后输入至学生配准网络中进行双向配准操作，得到正向的预测形变场和逆向的预测形变场基于正向的预测形变场和浮动图像im，获得正向的预测形变图像iws，根据逆向的预测形变图像iws′计算浮动图像域外观扰动t，在浮动图像im上添加浮动图像域外观扰动t后再与固定图像if进行拼接并输入至教师配准网络中，根据教师配准网络输出的预测形变场计算空间变换不确定图
7、步骤4：设定自适应正则化配准网络的总损失函数；
8、步骤5、根据步骤4设定的总损失函数，利用步骤1预处理的训练集和固定图像if对自适应正则化配准网络进行训练；
9、步骤6、将待配准的浮动图像输入到步骤5训练好的学生配准网络中，得到正向的预测形变场和正向的预测形变图像。
10、如上所述步骤1中预处理包括以下步骤：
11、将原始mri图像进行体素强度归一化；然后通过0填充和裁剪将体素强度归一化后原始mri图像和分割标签的大小调整为设定的固定尺寸。
12、如上所述步骤2中学生配准网络包括编码器、解码器、以及通道调整模块，编码器包括多个卷积操作模块和下采样模块；解码器包括多个卷积操作模块和上采样模块，解码器中的卷积操作模块结构与编码器中的卷积操作模块结构完全一致；解码器中每个卷积操作模块输出的特征图与编码器中对应卷积操作模块输出的特征图进行跳跃连接，解码器中最后一层上采样模块输出的特征图输入到通道调整模块中，通道调整模块输出mri图像所有体素点的3个坐标方向位移量，从而获得预测形变场。
13、如上所述卷积操作模块包括两个卷积层和两个leakyrelu激活层，卷积层的卷积核大小设置为3×3×3，卷积步长设置为1，leakyrelu激活层的负激活值的斜率设置为0.2。
14、如上所述教师配准网络的结构与学生配准网络相同，根据学生网络参数θ的指数移动平均值来更新教师网络参数θ′。
15、如上所述教师网络参数θ′基于以下公式计算：
16、θ′t＝αθ′t-1+(1-α)θt，
17、其中α是指数移动平均值的更新率，θ′t-1为t-1时刻教师网络参数，θt为t时刻学生网络参数。
18、如上所述步骤3包括以下步骤：
19、步骤3.1：将训练集中的浮动图像im与固定图像if在通道维度进行拼接后输入至学生配准网络中进行双向配准操作，得到正向的预测形变场和逆向的预测形变场空间变换网络用正向的预测形变场对浮动图像im进行空间变换得到正向的预测形变图像iws，空间变换网络用逆向的预测形变场对固定图像if进行空间变换得到逆向的预测形变图像iws′；
20、步骤3.2、根据步骤3.1中计算出的逆向的预测形变图像iws′计算浮动图像域外观扰动t：t＝β*(iws′-im)，其中，β为随机采样的beta分布系数；
21、步骤3.3、通过蒙特卡罗dropout层在浮动图像im上添加步骤3.2获得的浮动图像域外观扰动t，再与固定图像if进行拼接并输入至教师配准网络中，重复计算n次教师配准网络的正向的预测形变场每次操作的输入都会添加一个浮动图像域外观扰动t，浮动图像域外观扰动t对应有一个机采样的beta分布系数β，计算教师配准网络输出的正向的预测形变场的均值与方差从而得到空间变换不确定图
22、如上所述自适应正则化配准网络的总损失函数包括学生配准网络输出的正向的预测形变图像iws与固定图像if之间的相似性测度损失lsim(if,iws)和学生配准网络的正向的预测形变场的正则化损失
23、
24、其中，为总损失函数，是自适应正则化损失权重，
25、
26、其中，是指示函数，p表示图像域的每个体素点，表示空间变换不确定图中每个体素点对应的不确定值，表示空间变换不确定图的体积大小，k是经验标量值，τ是空间变换不确定预测的阈值。
27、一种计算机设备，包括存储器和处理器，本文档来自技高网...
【技术保护点】
1.一种基于自适应正则化的磁共振影像配准方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于自适应正则化的磁共振影像配准方法，其特征在于，所述步骤1中预处理包括以下步骤：
3.根据权利要求1所述一种基于自适应正则化的磁共振影像配准方法，其特征在于，所述步骤2中学生配准网络包括编码器、解码器、以及通道调整模块，编码器包括多个卷积操作模块和下采样模块；解码器包括多个卷积操作模块和上采样模块，解码器中的卷积操作模块结构与编码器中的卷积操作模块结构完全一致；解码器中每个卷积操作模块输出的特征图与编码器中对应卷积操作模块输出的特征图进行跳跃连接，解码器中最后一层上采样模块输出的特征图输入到通道调整模块中，通道调整模块输出MRI图像所有体素点的3个坐标方向位移量，从而获得预测形变场。
4.根据权利要求3所述一种基于自适应正则化的磁共振影像配准方法，其特征在于，所述卷积操作模块包括两个卷积层和两个LeakyReLU激活层，卷积层的卷积核大小设置为3×3×3，卷积步长设置为1，LeakyReLU激活层的负激活值的斜率设置为0.2。
5.
6.根据权利要求5所述一种基于自适应正则化的磁共振影像配准方法，其特征在于，所述教师网络参数θ′基于以下公式计算：
7.根据权利要求1所述一种基于自适应正则化的磁共振影像配准方法，其特征在于，所述步骤3包括以下步骤：
8.根据权利要求7所述一种基于自适应正则化的磁共振影像配准方法，其特征在于，所述自适应正则化配准网络的总损失函数包括学生配准网络输出的正向的预测形变图像IWS与固定图像IF之间的相似性测度损失Lsim(IF,IWS)和学生配准网络的正向的预测形变场的正则化损失
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的磁共振影像配准方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的磁共振影像配准方法的步骤。
...【技术特征摘要】
1.一种基于自适应正则化的磁共振影像配准方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于自适应正则化的磁共振影像配准方法，其特征在于，所述步骤1中预处理包括以下步骤：
3.根据权利要求1所述一种基于自适应正则化的磁共振影像配准方法，其特征在于，所述步骤2中学生配准网络包括编码器、解码器、以及通道调整模块，编码器包括多个卷积操作模块和下采样模块；解码器包括多个卷积操作模块和上采样模块，解码器中的卷积操作模块结构与编码器中的卷积操作模块结构完全一致；解码器中每个卷积操作模块输出的特征图与编码器中对应卷积操作模块输出的特征图进行跳跃连接，解码器中最后一层上采样模块输出的特征图输入到通道调整模块中，通道调整模块输出mri图像所有体素点的3个坐标方向位移量，从而获得预测形变场。
4.根据权利要求3所述一种基于自适应正则化的磁共振影像配准方法，其特征在于，所述卷积操作模块包括两个卷积层和两个leakyrelu激活层，卷积层的卷积核大小设置为3×3×3，卷积步长设置为1，leakyrelu激活层的负激活值的斜率设置为0.2。
5.根据权利要求3所述一...
【专利技术属性】
技术研发人员：周欣，陈珍，肖洒，孙献平，陈世桢，
申请(专利权)人：中国科学院精密测量科学与技术创新研究院，
类型：发明
国别省市：
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。