基于VV-Net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: 电子测量技术
• 关键词: 深度学习 医学图像 图像配准 改进V-Net
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 信息技术及图像处理|Information Technology and Image Processing
• 页码范围: 117-121
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2105857

摘要

三维医学图像配准算法被广泛应用于科学研究和随访等医学场景,提高其配准精度具有重要的意义.针对医学图像配准问题,提出一种基于V-Net的V形网络(VV-Net),该配准模型可以通过堆叠V-Net进行端到端的训练.具体的说,移动图像经过两个V-Net依次进行扭曲,使用额外的V-Net为前两个V-Net提供补充信息,共同构成V形网络,使移动图像与固定图像更好的对齐.同时,对提出的模型增加深度监督辅助分支防止过拟合.采用上述渐进配准与信息补充提高配准对之间的配准精度.通过ADNI、ABIDE、ADHD200和OASIS四个数据集评估模型性能.以ADNI数据集为例,所提出的配准方法与仿射变换(Affine)、对称归一化(SyN)以及体素变形(VoxelMorph)比较分别获得24.7％、13.2％以及1.3％的精度提升.实验结果表明,VV-Net在医学图像配准领域取得了良好效果.