基于FCN和互信息的医学图像配准技术研究

摘要：

针对传统配准方法在进行三维多模态图像配准时存在收敛速度较慢、容易陷入极值等问题,提出一种基于全卷积神经网络(Fully Convolutional Networks,FCN)和互信息的配准方法.利用FCN模型提取二维图像深层特征并进行粗配准;将得到的配准结果作为互信息算法的初始搜索点,从而使搜索范围缩小至全局最优解附近;利用互信息算法对参数进一步微调优化,得到最优三维配准结果.实验结果表明,在进行CT-MR图像配准时,所提方法不仅可以大幅度提升配准速度,还能有效避免局部收敛的情况,具有更高的准确性.

关键词：全卷积神经网络、互信息算法、多模态、三维图像配准

所属期刊栏目：56

分类号：TP399(计算技术、计算机技术)

资助基金：国家自然科学基金;广东省自然科学基金;广州市科技计划项目;广东省大数据分析与处理重点实验室开放基金

在线出版日期：2020-09-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：202-208