一种基于生成对抗网络的图像非刚性配准方法及系统

摘要

本发明公开一种基于生成对抗网络的图像非刚性配准方法及系统，方法包括：基于真实的医学图像数据集获取合成的医学图像数据集，将合成的数据集作为生成对抗网络模型的训练样本，将真实的数据集作为最优化生成对抗网络模型的验证和测试数据集；构造生成对抗网络模型的结构，基于合成的医学图像数据集，对生成对抗网络模型进行迭代训练，得到最优化的生成对抗网络模型；基于最优化的生成对抗网络模型对真实医学图像数据集中的待配准图像对进行图像的非刚性配准，得到与参考图像贴近的矫正后图像。本发明中的上述方法能够在医学图像训练样本数量少、缺乏标注信息的情况下，提高医学图像非刚性配准的精度和速度，从而增强了配准方法和系统的泛化能力。