联合显著图强化形变配准网络

论文摘要

配准图像中存在的结构对应性缺失与局部复杂大形变给非刚性图像配准准确寻找一一映射形变变换带来了极大挑战。传统配准方法以及基于深度学习配准方法都不能处理好此类图像配准异常难题。基于全局到局部的递进深度网络策略,该文提出了配准图像联合显著结构上下文信息增强的无监督式深度配准网络。其中,全局到局部的卷积网络通过将待配准图像输入到结果形变场输出的复杂映射分解为两个更易求解的全局映射与局部映射网络,同时结合配准图像联合显著结构上下文信息双向加强网络的学习训练,实现了精确、鲁棒、高效的联合显著图强化形变配准网络,有效地解决了既存在结构对应性缺失又存在局部复杂大形变的图像配准难题。

论文目录

• 0 引言
• 1 原理与方法
•   1.1 全局估计网络
•   1.2 联合显著图提取
•   1.3 局部修正网络
• 2 实验结果与讨论
• 3 结论与展望

文章来源

类型: 期刊论文

作者: 傅泽山,秦斌杰

关键词: 非刚性图像配准,对应性缺失,局部大形变,深度学习,联合显著图,联合显著结构

来源: 中国医疗器械杂志 2019年06期

年度: 2019

分类: 医药卫生科技,信息科技

专业: 计算机软件及计算机应用

单位: 上海交通大学生物医学工程学院

基金: 国家自然科学基金(61271320),上海交通大学转化医学交叉重点项目(ZH2018ZDA19)

分类号: TP391.41

页码: 397-400+409

总页数: 5

文件大小: 2873K

下载量: 24