买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜广州瑞多思医疗科技有限公司申请的专利基于神经网络的任意模态图像配准方法及设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114627167B 。

龙图腾网通过国家知识产权局官网在2025-05-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210177986.4，技术领域涉及：G06T7/33；该发明授权基于神经网络的任意模态图像配准方法及设备是由陈立新;冯报铨设计研发完成，并于2022-02-25向国家知识产权局提交的专利申请。

本基于神经网络的任意模态图像配准方法及设备在说明书摘要公布了：本发明公开了一种基于神经网络的任意模态图像配准方法及设备，涉及图像配准技术领域，本发明的方法可以通过生成的随机物质信息来模拟物质的特点，对随机物质信息进行映射得到形变前图像，而且对随机物质信息基于随机形变场进行形变、映射，获取形变后图像，形变前图像和形变后图像作为神经网络的输入，经过神经网络的配准，得到输出形变场，通过比较输出形变场和随机形变场的差异优化神经网络，得到训练好的训练模型。本发明的方法得到的训练模型能够忽略模态的影响，提升配准的准确性，以及减少对训练数据的依赖，而且还能够减少搭建模型的数量，减少工作量。

本发明授权基于神经网络的任意模态图像配准方法及设备在权利要求书中公布了：1.一种基于神经网络的任意模态图像配准方法，其特征在于，应用于图像配准设备，包括训练部分和预测部分，所述训练部分包括：对输入数据进行随机模态映射，获取形变前图像，所述输入数据包括随机物质信息或真实图像信息；根据随机形变场对所述输入数据进行形变，并进行随机模态映射，获取形变后图像；将所述形变前图像和所述形变后图像输入神经网络中，生成输出形变场；结合所述随机形变场和所述输出形变场对所述神经网络进行优化，得到训练模型；所述预测部分包括：将待配准图像和参考图像输入所述训练模型，得到预测形变场；将所述预测形变场作用于所述待配准图像，得到配准后图像；所述对输入数据进行随机模态映射，获取形变前图像，包括：对连续噪声引入不连续机制，得到所述随机物质信息；采用变换函数对所述随机物质信息进行映射，生成所述形变前图像；所述对连续噪声引入不连续机制，包括对连续噪声进行取反操作或选取在对应位置上多个连续噪声中特定值所对应的连续噪声编号；所述根据随机形变场对所述输入数据进行形变，并进行随机模态映射，获取形变后图像，包括：组合多个连续噪声，生成所述随机形变场；将所述随机形变场作用于所述输入数据，生成形变数据；采用变换函数对所述形变数据进行映射，生成形变后图像；其中，所述连续噪声的数量与所述形变后图像的维数相同；所述变换函数采用如下式子表示：px→cosr1+0.5πpx+r2；其中，上式表示映射关系，px为随机物质信息的值或真实图像的像素值，并归一化至[-1，1]的范围，π是圆周率，r1和r2是在[0，1内均匀分布的随机数，通过选取不同的随机数，映射后的图像的模态也不同；对于基于多个连续噪声得到的随机物质信息，实现随机模态映射的变换函数可以包括一个具有多个随机数的序列，即采用随机数序列作为随机模态映射中的映射关系，每一个随机数对应一个指标，通过将随机数与随机物质信息结合可以完成映射，其中，随机数的数量对应于连续噪声的数量；当某一物体包括有N种物质，则对应地采用N个连续噪声来模拟，因此，所生成的序列包含N个随机数，例如：qx＝argmax{pjx，j＝0,....,N-1}；px＝Rqx；其中，qx表示选取多个连续噪声中在对应位置上最大的噪声值后形成的随机物质信息，pjx表示某一个连续噪声，argmax函数则用于选取某一点上的最大值，px为映射后的结果，而R则表示具有N个随机数的序列。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广州瑞多思医疗科技有限公司，其通讯地址为：510000 广东省广州市黄埔区莲花砚路6号203房；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。