点击购买,资源将自动在新窗口打开.
获取独家产品信息,尽享促销优惠!立即订阅,不容错过
* 限···时··优惠
近期,深度学习技术在医学图像配准中的应用与传统技术相比,大幅减少了配准时间并逐步提高了配准精度。大多数基于学习的配准方法将此任务视为单向问题。因此,仅考虑从运动图像到目标图像的对应关系。然而,在某些医疗程序中,需要执行双向配准。与其他基于学习的配准不同,我们提出了一种具有逆一致性的配准框架。所提出的方法以无监督的方式同时学习前向变换和后向变换。我们在公开的 LPBA40 MRI 数据集上对该方法进行训练和测试,并证明其比基线配准方法具有更强的性能。
主要关键词