一种基于深度学习的多模医学图像非刚性配准方法及系统

摘要

本发明公开了一种基于深度学习的多模医学图像非刚性配准方法及系统，该配准方法包括：通过大量的医学数据，训练PCANet；将浮动图像和参考图像输入训练好的PCANet中，获得浮动图像和参考图像的结构表征图；最后根据所述参考图像以及浮动图像的结构表征图，获得配准图像。本发明利用PCANet深度学习网络，构建图像的结构表征图，将非刚性多模医学图像的配准问题转化为单模医学图像配准问题，大大提高了非刚性多模医学图像配准的精度与鲁棒性。