-
题名基于变分推断的磁共振图像群组配准
- 1
-
-
作者
周勤
王远军
-
机构
上海理工大学医学影像技术研究所
-
出处
《波谱学杂志》
CAS
北大核心
2022年第3期291-302,共12页
-
基金
国家自然科学基金资助项目(61201067)
上海市自然科学基金资助项目(18ZR1426900).
-
文摘
为解决基于深度学习的成对配准方法精度低和传统配准算法耗时长的问题,本文提出一种基于变分推断的无监督端到端的群组配准以及基于局部归一化互相关(NCC)和先验的配准框架,该框架能够将多个图像配准到公共空间并有效地控制变形场的正则化,且不需要真实的变形场和参考图像.该方法得到的预估变形场可建模为概率生成模型,使用变分推断的方法求解;然后借助空间转换网络和损失函数来实现无监督方式训练.对于公开数据集LPBA40的3D脑磁共振图像配准任务,测试结果表明:本文所提出的方法与基线方法相比,具有较好的Dice得分、运行时间少且产生更好的微分同胚域,同时对噪声具有鲁棒性.
-
关键词
深度学习
群组配准
变分推断
可变形配准
-
Keywords
deep learning
groupwise registration
variational inference
deformable registration
-
分类号
O482.53
[理学—固体物理]
-
-
题名基于PCA的无监督群组配准算法研究
- 2
-
-
作者
周勤
王远军
-
机构
上海理工大学健康科学与工程学院
-
出处
《生物医学工程学进展》
CAS
2022年第3期130-133,165,共5页
-
基金
上海市自然科学基金资助项目(18ZR1426900)。
-
文摘
该研究提出一种基于主成分分析(principal component analysis,PCA)的无监督学习的群组配准框架。由于组平均算法存在迭代时间较长且创建的模板较为平滑的问题,进而提出PCA算法构建模板。利用PCA改进的权值计算的方法重新构建参考图像,将构建的参考图像和输入图像送到无监督网络进行配准。实验结果证明,提出的算法在配准精度有待改善,但在模板构建的收敛速度以及所构建的模板平滑性上表现更好。
-
关键词
无监督学习
群组配准
主成分分析
-
Keywords
unsupervised learning
group-wise registration
principal component analysis
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
