基于多模态深度学习的医学图像配准方法设计

摘要

利用传统方法进行医学图像配准时,会出现受到医学图像自相似性大的影响而无法进行空间变换,导致图像配准过程中存在延展性较低的问题。为此,提出一种基于多模态深度学习的医学图像配准方法。利用高斯滤波器对医学图像进行高斯模糊,构建高斯金字塔并在金字塔中对极值点进行检测与定位,实现特征点的提取。选择刚体变换模型对医学图像实施空间变换中的局部变换。采集医学图像样本数据并利用样本数据进行训练,构建医学图像的多模态深度学习模型。利用该模型对2个待配准医学图像进行深度路径融合,构建医学图像配准的目标函数,实现医学图像的配准。将传统方法与该方法在3种图像上进行对比配准实验,结果证明该方法在3种图像上的延展性均较高。