摘要:醫(yī)學(xué)圖像配準(zhǔn)技術(shù)是近年來醫(yī)學(xué)圖像處理領(lǐng)域中的關(guān)鍵技術(shù)之一,具有很高的臨床和實(shí)踐意義。由于人體內(nèi)部軟體組織形態(tài)的多變性,采集到的醫(yī)學(xué)圖像往往同時存在剛性形變和非剛性形變,傳統(tǒng)的圖像配準(zhǔn)技術(shù),如經(jīng)典的基于B樣條方法在對這類同時存在兩種形變的圖像進(jìn)行配準(zhǔn)時,如果存在較大的仿射變換,容易造成局部極值問題導(dǎo)致配準(zhǔn)失敗。針對這一問題,提出一種結(jié)合深度學(xué)習(xí)與SIFT(Scale-invariant feature transform,尺度不變特征轉(zhuǎn)換)的多尺度B樣條配準(zhǔn)方法。首先用SIFT對圖像進(jìn)行仿射變換,然后B樣條進(jìn)行局部形變校正,同時引入多分辨率策略,降低計(jì)算的復(fù)雜度,提高精度。最后利用超像素重建方法,消除低尺度配準(zhǔn)時造成的圖像失真問題。實(shí)驗(yàn)結(jié)果表明,本文算法針對同時存在2種形變的圖像,解決傳統(tǒng)B樣條算法配準(zhǔn)失敗的問題,在NMI(互信息)與SSIM(結(jié)構(gòu)相似性)評價下相對傳統(tǒng)B樣條算法配準(zhǔn)性能得到大幅度提升。
注:因版權(quán)方要求,不能公開全文,如需全文,請咨詢雜志社