基于图像金字塔的独立训练的多规模注册网络.
Qing Chang1, Yaqi Wang2, Jieming Zhang2
1School of Information Science and Engineering, East China University of Science and Technology, Shanghai, China. changqing@ecust.edu.cn.
Journal of imaging informatics in medicine
|March 5, 2024
概括
这项研究引入了一个多级心脏图像注册网络来处理心脏变形. 这种新的方法提高了用于诊断和治疗的医学图像分析的准确性.
科学领域:
- 医疗图像分析 医学图像分析
- 计算机成像成像技术
- 心血管成像 - 心血管成像
背景情况:
- 心脏图像注册对于诊断,治疗和外科导航至关重要.
- 大型非刚性心脏变形和复杂的解剖构成重大挑战.
- 现有的方法难以直接处理实质性变形.
研究的目的:
- 开发一个强大的多尺度心脏图像注册网络.
- 为了应对心脏图像记录中的大型非刚性变形的挑战.
- 为了提高心脏图像记录的准确性和有效性.
主要方法:
- 提出了一个独立训练的多尺度注册网络,使用图像金字塔.
- 构建图像金字塔对,通过对原始图像进行下方采样,用于多分辨率训练.
- 将大型变形注册分解为一个多层次的过程,并逐步融合变形场.
主要成果:
- 在ACDC心脏数据集上获得了0.828的平均子得分.
- 在比较实验中,与现有方法相比,在注册方面表现出优异的结果.
- 有效地解决了大型非刚性心脏变形的挑战.
结论:
- 拟议的多尺度注册网络有效地应对心脏图像注册的挑战.
- 该方法为心脏图像提供了卓越的记录准确性.
- 这种方法为需要精确心脏图像对齐的临床应用提供了有前途的解决方案.
