典型文献
基于无监督学习的三维肺部CT图像配准方法研究
文献摘要：
三维肺部电子计算机断层扫描(computed tomography,CT)图像非刚性配准是医学图像配准领域中最重要的任务之一.但是,肺部组织受呼吸运动影响而产生的非线性形变与大尺度位移给三维肺部CT图像的非刚性配准带来巨大挑战.针对这一难题,设计开发了一种基于无监督学习端到端的配准方法.通过改进现有U-Net神经网络结构,在跳接之间引入Inception模块,充分融合多尺度深层特征生成高精度的稠密位移向量场.为保证位移向量场光滑,在损失函数中加入雅可比正则化项,以达到训练中显式惩罚位移向量场中奇点的目的.另外,为缓解现有公开数据资源有限导致的过拟合问题,提出了一种基于三维薄板样条(3D-thin plate spline,3D-TPS)变换的数据增强方法实现对训练数据的扩充,将具有60套三维肺部CT图像的训练数据集EMPIRE10扩充为6060套以满足卷积神经网络训练的需要.设计验证实验,通过与基于学习的Voxelmorph方法和两个包含传统方法配准工具包ANTs和Elastix进行比较.实验结果表明:在公开可用的DIR-Lab 4 DCT数据集上,所提出的方法在目标配准误差(target registra-tion error,TRE)上达到次优的2.09 mm,平均Dice得分达到最优的0.987,同时所生成的扭曲图像中几乎不存在折叠体素.
文献关键词：
非刚性配准;卷积神经网络;无监督学习;数据增强;雅可比正则化
中图分类号：
作者姓名：
姜杉;张红运;杨志永;张国彬
作者机构：
天津大学机械工程学院,天津 300350
文献出处：
引用格式：
[1]姜杉;张红运;杨志永;张国彬-.基于无监督学习的三维肺部CT图像配准方法研究)[J].天津大学学报（自然科学与工程技术版）,2022(03):247-254
A类：
雅可比正则化,EMPIRE10,Voxelmorph,ANTs
B类：
无监督学习,配准方法,电子计算机断层扫描,computed,tomography,非刚性配准,医学图像配准,呼吸运动,运动影响,非线性形变,大尺度,设计开发,端到端,Net,神经网络结构,Inception,充分融合,深层特征,特征生成,稠密,位移向量,向量场,损失函数,显式,奇点,数据资源,过拟合,薄板,样条,thin,plate,spline,TPS,数据增强,增强方法,训练数据集,神经网络训练,设计验证,验证实验,工具包,Elastix,DIR,Lab,DCT,标配,target,registra,error,TRE,上达,到次,次优,Dice,所生,折叠体
AB值：
0.375905
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
