期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于图像集拓扑中心的群体配准方法 被引量:4
1
作者 王远军 刘玉 《波谱学杂志》 CAS CSCD 北大核心 2018年第4期457-464,共8页
传统的图像配准通常指定一幅参考图像在配准过程中保持不变,将另一幅图像变换到参考图像空间,使得两幅图像在空间上互相匹配,从而可以精确比较两者之间的差异.针对多幅个体差异较大的图像配准问题,如果指定一幅作为参考,将其他图像配准... 传统的图像配准通常指定一幅参考图像在配准过程中保持不变,将另一幅图像变换到参考图像空间,使得两幅图像在空间上互相匹配,从而可以精确比较两者之间的差异.针对多幅个体差异较大的图像配准问题,如果指定一幅作为参考,将其他图像配准到参考图像空间,则会引入该幅参考图像的个体形状偏差,从而影响最终的对比结果.为此,本文首先介绍了目前针对该问题的主要解决方法,然后提出了基于图像集拓扑中心的群体配准方法——TopologyCenter.为验证所提出的群体配准方法的性能,通过使用国外公开的数据集,详细比较了本文提出的方法与当前两种主要方法的群体配准结果的差异.实验结果表明,本文提出的方法具有更小的群体配准偏差,群体配准结果更好;同时,在对实验结果的评价中,本文还提出了一种简捷的群体偏差度量指标. 展开更多
关键词 医学影像 拓扑中心 对称配准 群体配准
下载PDF
Groupwise Registration of Brain Magnetic Resonance Images:A Review
2
作者 刘钦 王乾 《Journal of Shanghai Jiaotong university(Science)》 EI 2014年第6期755-762,共8页
A relatively new family of image registration methods, namely groupwise registration, has recently emerged and been widely investigated due to its fundamentally key role in analyzing image populations in terms of atla... A relatively new family of image registration methods, namely groupwise registration, has recently emerged and been widely investigated due to its fundamentally key role in analyzing image populations in terms of atlas-based analysis or clinical diagnostic systems. Compared with pairwise registration, groupwise registration is capable of handling a large-scale population of images simultaneously in an unbiased way. In this paper, a review of the latest research on groupwise registration is presented. First, the schemes of pairwise registration and groupwise registration are compared. Then, a classification of groupwise registration and several exemplar implementations of groupwise registration are illustrated, including their experimental results. Finally, typical applications of groupwise registration, e.g., infant atlas construction, and population-based anatomical variability evaluation, are discussed in this paper. 展开更多
关键词 pairwise registration groupwise registration clinical diagnostic system infant atlas construction
原文传递
基于变分推断的磁共振图像群组配准
3
作者 周勤 王远军 《波谱学杂志》 CAS 北大核心 2022年第3期291-302,共12页
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... 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. 展开更多
关键词 深度学习 群组配准 变分推断 可变形配准
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部