典型文献
多尺度并行全卷积神经网络的肺计算机断层扫描图像非刚性配准算法
文献摘要：
图像配准广泛应用于图像引导的肺肿瘤放射治疗,但现有算法对形变较大的图像配准效果不佳.针对该问题提出一种算法利用多尺度并行下采样模块缩减图像大小,得到多尺度低分辨率特征图;并采用金字塔空洞卷积模块提取图像特征,以提高模型的感受野.该算法通过自适应通道注意力模块调整神经网络对不同形变特征的偏重,以解决模型偏重于较大形变而对小形变配准效果不佳的问题;同时在损失函数中加入平滑性约束来提高形变场的平滑性;并通过对训练样本数据扩增的方法提高算法模型的稳定性和泛化性.在DIR-lab、Creatis数据集测试中,提出算法的目标配准误差(TRE)分别为1.71、1.50 mm,而全卷积神经网络(FCN)算法的一次迭代TRE分别为2.83、2.01 mm,实验结果表明提出算法的TRE明显小于FCN算法,且其泛化性和稳定性也较好.
文献关键词：
医用光学与生物技术;计算机断层扫描图像配准;通道注意力;非刚性配准;多尺度;空洞卷积
中图分类号：
作者姓名：
林立昊;易见兵;曹锋;方旺盛
作者机构：
江西理工大学信息工程学院,江西赣州341000
文献出处：
引用格式：
[1]林立昊;易见兵;曹锋;方旺盛-.多尺度并行全卷积神经网络的肺计算机断层扫描图像非刚性配准算法)[J].激光与光电子学进展,2022(16):398-408
A类：
Creatis,医用光学与生物技术,计算机断层扫描图像配准
B类：
全卷积神经网络,非刚性配准,图像引导,肺肿瘤,肿瘤放射治疗,法利,下采样,样模,低分辨率,特征图,金字塔,空洞卷积,卷积模块,图像特征,感受野,通道注意力模块,形变特征,偏重于,形变配准,损失函数,平滑性约束,形变场,训练样本,数据扩增,算法模型,泛化性,DIR,lab,标配,TRE,FCN
AB值：
0.274207
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。
