基于深度學習的CT-MR圖像聯(lián)合配準分割方法

摘要： 醫(yī)學圖像配準和分割是醫(yī)學圖像分析中的兩項重要任務，將其相結(jié)合可以有效提升兩者的精度，但現(xiàn)有的單模態(tài)圖像聯(lián)合配準分割框架難以適用于多模態(tài)圖像。針對以上問題，提出基于模態(tài)一致性監(jiān)督和多尺度鄰域描述符的CT-MR圖像聯(lián)合配準分割框架，包含一個多模態(tài)圖像配準網(wǎng)絡和兩個分割網(wǎng)絡。聯(lián)合配準分割框架利用多模態(tài)圖像配準產(chǎn)生的形變場在兩種模態(tài)的分割結(jié)果之間建立對應的形變關(guān)系，并設計模態(tài)一致性監(jiān)督...