一种基于深度学习的腹部CT图像目标器官配准方法

摘要

本发明公开了一种基于深度学习的腹部CT图像目标器官配准方法。首先，构建腹部CT图像数据库；其次，构建基于深度学习的网络模型，在其卷积神经网络模块中，引入坐标卷积层，以增强其对目标位置信息的学习能力；然后，考虑到含目标器官边界框的腹部CT图像数据量较少，基于迁移学习技术，输入自然场景数据库预训练网络模型，再输入腹部CT图像数据库对该模型进行参数微调，以实现腹部目标器官检测；最后，构建腹部目标器官CT图像对，根据图像对像素点之间梯度和灰度分布特征，构建相似性度量函数，基于梯度下降法最小化该函数，实现腹部CT图像对目标器官配准。本发明采用先提取腹部CT图像目标器官区域再配准的策略，减小了腹部CT图像复杂背景和噪声等因素对目标器官配准的影响，且配准精度高，鲁棒性强。