一种基于神经网络的无监督血管内超声图像配准方法

摘要

本发明公开了一种基于神经网络的无监督血管内超声图像配准方法，属于医学图像处理技术领域。针对传统配准方法迭代优化配准时间长的缺点，引入深度学习把迭代时间转移到网络模型训练时间中去，本发明使用类U‑net网络结构，用步长卷积代替池化层进行下采样，保留更多配准需要的空间位置特征。针对常见深度学习方法对于IVUS图像配准精度较低问题，本发明继续在网络结构引入注意力机制，这一改进使得配准网络模型在训练过程中能更好聚焦于待配准图像之间形态差异较大的地方，有效提高血管内超声图像配准精度。最终本发明配准精度和最先进传统配准方法不相上下，而配准用时大大减少。