计算机辅助设计与图形学学报

作者：余升林, 吴彤, 葛明锋, 董文飞

关键词：可变形图像配准, 变形场的循环一致性, 无监督学习, 变形场

针对可变形图像配准中因变形场可逆性被忽略而导致配准精度降低的问题,提出一种变形场循环一致性的无监督可变形图像配准方法.首先,设计了一种基于无监督学习的可变形图像配准框架,它包括学习图像特征的编码-解码器和用于生成采样网格的空间变换网络2部分,以指导浮动图像朝着参考图像方向的准确移动,从而完成图像的配准;其次,提出变形场循环一致性的损失函数,以保证配准过程中变形场的一致性;最后,结合雅可比损失函数和L2范数对变形场进行惩罚,以保证变形场的光滑性,促使网络输出准确、真实的变形场.基于PyTorch框架,使用2D合成数据集和2D MR数据集对该网络进行评价.实验结果表明,与几种先进的配准方法相比,该方法在Dice值上提升了1.77%,在变形场雅可比行列式负值比例上下降了35.71%,取得了更好的配准效果.

来源：2023年第4期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2023年第4期