Brain image registration method based on low-resolution auxiliary features and convolutional neural network

doi:10.13741/j.cnki.11-1879/o4.2021.01.015

您当前的位置：

首页 >

文章列表页 >

Brain image registration method based on low-resolution auxiliary features and convolutional neural network

更新时间：2025-09-01

- Brain image registration method based on low-resolution auxiliary features and convolutional neural network
- Vol. 47, Issue 1, Pages: 80-86(2021)
- 作者机构：
  
  1:上海理工大学医学影像工程研究所
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2021.01.015
  CLC：
- Published：2021
- 稿件说明：
移动端阅览
Brain image registration method based on low-resolution auxiliary features and convolutional neural network[J]. 2021, 47(1): 80-86.
DOI：

Brain image registration method based on low-resolution auxiliary features and convolutional neural network[J]. 2021, 47(1): 80-86. DOI： 10.13741/j.cnki.11-1879/o4.2021.01.015.

摘要

针对目前深度学习方法应用于医学图像配准精度不高的问题

提出了增加低分辨率辅助特征的无监督3D卷积神经网络的脑部图像配准模型。使用无监督学习的卷积网络回归出位移场

再通过空间变换层对浮动图像进行变换

然后根据构建的损失函数优化网络参数

实现端到端的无监督学习。通过添加注意力模块

在网络对应层间的连接中加入低分辨率的辅助特征

增加结构特征的同时减少多余的背景信息。方法与无监督的U-Net和VoxelMorph在MICCAI2012多图谱数据中比较

结果表明

有更高的配准精度和更快的配准速度

且不需要专家标注信息

因此在医学图像配准上具有较好的应用潜力。

Abstract

关键词

Keywords

references

Views

226

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Classification model of dominant species in desertification grassland based on hyperspectral remote sensing

Surface defect detection of polarizer based on improved Faster-RCNN

Concealed object detection from millimeter wave images based on DSA-BCNN

Auto registration method of optical and SAR image based on phase direction and scale

Denoising process for image impulse noise based on dual-channel neural networks

Related Author

张锡鹏

毕玉革

杨红艳

皮伟强

刘浩

康拥朝

夏禹

肖金球

Related Institution

1:内蒙古农业大学机电学院

2:苏州市智能测控工程技术研究中心

1:苏州科技大学电子与信息工程学院

3:擎翌(上海)智能科技有限公司

2:上海第二工业大学文理学部

⁰