-
题名基于深度学习的医学影像配准综述
- 1
-
-
作者
应时辉
杨菀
杜少毅
施俊
-
机构
上海大学理学院数学系
西安交通大学人工智能学院人工智能与机器人研究所
上海大学通信与信息工程学院
-
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2021年第4期287-299,共13页
-
基金
国家自然科学基金项目(No.11971296,81627804,61671281)
上海市科学技术委员会项目(No.18010500600,17411953400)资助。
-
文摘
图像配准是医学影像处理与智能分析领域中的重要环节和关键技术.传统的图像配准算法由于复杂性较高、计算代价较大等问题,无法实现配准的实时性要求.随着深度学习方法的发展,基于学习的图像配准方法也取得显著效果.文中系统总结基于深度学习的医学图像配准方法.具体地,将方法归为3类:监督学习,无监督学习和对偶监督/弱监督学习.在此基础上,分析和讨论各自优缺点.进一步,着重讨论近年来提出的正则化方法,特别是基于微分同胚表示的正则和基于多尺度的正则.最后,根据当前医学图像配准方法的发展趋势,展望基于深度学习的医学图像配准方法.
-
关键词
图像配准
深度学习
形变场
微分同胚
多尺度正则
-
Keywords
Image Registration
Deep Learning
Displacement Vector Field
Diffeomorphism
Multi-scale Regularization
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-