基于MSD-Vnet的三维医学图像配准

• 作者: 李姗姗 张娜娜 张媛媛 丁维奇
• 来源期刊: 电视技术
• 关键词: 深度学习 医学图像 图像配准 改进V-net 注意力机制
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 视频应用与工程|VIDEO APPLICATION & PROJECT
• 页码范围: 51-56
• 页数: 6页
• 分类号: TN949.16
• 语种: 中文
• DOI: 10.16280/j.videoe.2021.01.013

摘要

基于编解码结构的卷积神经网络在医学图像配准中具有巨大的应用优势,但是依然存在不足.基于此,提出一种基于多尺度跳过连接、选择核注意力机制及深度监督V-net(MSD-Vnet)的三维医学图像配准方法.该方法使用多尺度跳过连接提高网络对解剖结构位置信息的定位能力,选择核注意力机制根据输入特征的多个尺度自适应调整感受野大小来提高配准精度,并利用深度监督V-net帮助网络更好地学习来防止过拟合.最后,以戴斯相似性系数(Dice Similarity Coefficient,DSC)为度量指标,在ADNI数据集上对提出的方法进行评估.实验结果表明,与目前流行的方法相比,提出的方法达到了较满意的效果.