MrRegNet: 面向医学图像配准的多分辨率掩模引导卷积神经网络(不涉及专有术语或不必要解释)
原文中文,约400字,阅读约需1分钟。发表于: 。提出了一种名为 MrRegNet 的基于掩膜引导的编码器 - 解码器深度卷积神经网络(DCNN)图像配准方法,通过多分辨率编码器提取特征并在解码器中估计多分辨率位移场来处理图像的大变形,并使用分割掩膜指导模型的注意力对齐局部区域,实验结果证明该方法在公开的 3D 脑 MRI 数据集(OASIS)和局部 2D 脑 MRI 数据集上的大变形图像中优于传统方法(如...
研究提出了一种名为MrRegNet的图像配准方法,使用深度卷积神经网络处理大变形图像。实验结果表明,该方法在脑MRI数据集上优于传统方法和深度学习方法VoxelMorph,尤其在局部区域图像配准准确性方面有显著提高。