科研之友
微信
新浪微博
Facebook
分享链接
摘要
图像配准广泛应用于图像引导的肺肿瘤放射治疗，但现有算法对形变较大的图像配准效果不佳。针对该问题提出一种算法利用多尺度并行下采样模块缩减图像大小，得到多尺度低分辨率特征图；并采用金字塔空洞卷积模块提取图像特征，以提高模型的感受野。该算法通过自适应通道注意力模块调整神经网络对不同形变特征的偏重，以解决模型偏重于较大形变而对小形变配准效果不佳的问题；同时在损失函数中加入平滑性约束来提高形变场的平滑性；并通过对训练样本数据扩增的方法提高算法模型的稳定性和泛化性。在DIR-lab、Creatis数据集测试中，提出算法的目标配准误差（TRE）分别为1.71、1.50 mm，而全卷积神经网络（FCN）算法的一次迭代TRE分别为2.83、2.01 mm，实验结果表明提出算法的TRE明显小于FCN算法，且其泛化性和稳定性也较好。
- 单位
