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：电子测量技术, 2021, 44(06): 117-121.

DOI：10.19651/j.cnki.emt.2105857

• 深度学习
• 医学图像
• 图像配准
• 改进V-Net

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。

• 单位
  昆明理工大学; 自动化学院