基于局部方差的医学图像配准模型

随着人工智能在医疗领域的火热发展,基于深度学习的医学图像配准成为近年来的研究热点。然而当下的深度学习配准模型存在精度低、局部配准效果较差等缺陷。针对此类问题,本文从样本均衡机制的思想出发,以局部方差作为权重因子对医学图像配准方法中经典损失函数进行改进,提出了FMSE-LV损失函数,并使用深度学习框架Voxelmorph在公开的脑部核磁共振数据集上进行验证,实验结果表明,改进后的损失函数在不影响变形场整体折叠情况的前提下,配准的精度得到了提升。