首页> 中文期刊> 《中国医学影像技术》 >基于多级串联深度卷积神经网络配准大形变图像

基于多级串联深度卷积神经网络配准大形变图像

         

摘要

目的采用无监督方式基于多级串联深度卷积神经网络(CNN)建立大形变图像配准网络(LDIRnet)模型,评估其配准脑部MRI及肺部CT图像的性能。方法串联多个结构相同而参数不同的深度CNN,以端到端方式学习待配准图像之间的多个小形变场;再通过叠加小形变场计算待配准图像之间的大形变场,实现大形变图像配准。结果配准3D脑部MRI时,三级LDIRnet(Three-LDIRnet)配准性能最佳,Dice系数为0.793±0.104,其次为两级LDIRnet(Two-LDIRnet)及ANT,VoxelMorph最差;配准肺部4D CT图像时,总体配准性能以mlVIRNET最佳,平均配准误差为(1.84±1.39)mm,其次为Three-LDIRnet、DLIR及Two-LDIRnet,VoxelMorph模型误差最大。结论多级串联配准网络模型有助于提高配准大形变图像的精度。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号