摘要。在医学成像中,通常需要获取多种模态(MRI、CT、PET 等)以突出不同的结构或病理。由于患者在扫描或扫描会话之间移动是不可避免的,因此配准通常是任何后续图像分析之前的必要步骤。在本文中,我们引入了一种基于联合总变分的成本函数,用于此类多模态图像配准。该成本函数的优点是可以对多个图像进行原则性、分组对齐,同时对强强度不均匀性不敏感。我们在严格对齐模拟和真实 3D 脑部扫描时评估了我们的算法。此验证表明,对于 CT/PET 到 MRI 对齐,该算法对强强度不均匀性和低配准误差具有鲁棒性。我们的实现在 https://github.com/brudfors/coregistration-njtv 上公开提供。
![arXiv:2005.02933v1 [eess.IV] 2020 年 5 月 6 日PDF文件第1页](/bimg/5/531f988d96a513a4a154baaf7141e0bd1745463b.webp)
![arXiv:2005.02933v1 [eess.IV] 2020 年 5 月 6 日PDF文件第2页](/bimg/7/7d52da369a623b765d6dab73bbfbdf2c642940ac.webp)
![arXiv:2005.02933v1 [eess.IV] 2020 年 5 月 6 日PDF文件第3页](/bimg/3/3fa702e1cf58a72892bff358ae29929c99e5d3fc.webp)
![arXiv:2005.02933v1 [eess.IV] 2020 年 5 月 6 日PDF文件第4页](/bimg/c/c035c0c55ab2f80185a16f8cc0d68017c7ca44b8.webp)
![arXiv:2005.02933v1 [eess.IV] 2020 年 5 月 6 日PDF文件第5页](/bimg/a/acc16bdc832bb43d9f8b15681c5452aacbf1cd99.webp)
