-
题名基于机器学习的肺部CT图像非刚性配准误差预测方法
- 1
-
-
作者
刘宇航
胡冀苏
陈文建
钱旭升
戴亚康
周志勇
-
机构
南京理工大学电子工程与光电技术学院
中国科学院苏州生物医学工程技术研究所
-
出处
《计算机应用研究》
CSCD
北大核心
2023年第6期1850-1856,1869,共8页
-
基金
中国科学院青年创新促进会资助项目(2021324)
江苏省重点研发项目(BE2022049-2,BE2021053,BE2020625)
+1 种基金
丽水市科技计划资助项目(2020ZDYF09)
苏州市科技计划资助项目(SS202054)。
-
文摘
配准误差评估通常由人工完成,耗时费力;常用的Dice测度只关注组织边缘的配准误差,难以评估组织内部配准结果。针对以上问题,提出一种基于机器学习的肺部CT图像非刚性配准误差预测方法(PREML)。该方法首先构建形变场统计特征、形变场物理保真度特征和图像相似性特征三类特征,然后通过池化方法扩充特征数量,最后使用随机森林回归方法预测非刚性配准误差,并且使用自适应随机扰动方法模拟肺部配准误差空间分布,进一步提升形变场统计特征的配准误差表征能力。在三个肺部CT图像数据集上进行训练与测试,其配准误差预测结果与金标准之间的平均绝对差异为1.245±2.500 mm,预测性能优于基线方法。结果表明,PREML方法具有预测精度高、鲁棒性强的特点,可提升配准算法在临床应用的有效性和安全性。
-
关键词
图像配准
配准误差预测
图像特征
随机森林
-
Keywords
image registration
registration error prediction
image feature
random forest
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-