基于深度学习的膀胱癌多参数磁共振成像无监督配准方法研究
陈志颖
陈春晓
吴泽静
徐俊琪
南京航空航天大学 生物医学工程系,南京 211106
摘要：针对传统基于迭代优化的医学影像配准方法速度慢、泛化性差的问题,本研究提出了一种基于深度学习的膀胱癌磁共振成像(magnetic resonance image,MRI)跨模态无监督配准方法,并采用具有随机块采样的标准互信息(patch normalized mutual information,Patch-NMI)进行无监督训练.相比传统的迭代配准方法,本研究算法在进行膀胱癌动态增强成像(dy-namic contrast-enhanced imaging,DCE)和T2 加权像(T2-weighted imaging,T2WI)配准时,精度提升了 1.3%,速度提高了20.42 倍.实验结果表明,本算法在进行膀胱癌DCE和T2WI配准时,精度更高,速度更快.
关键词：膀胱癌诊断多参数磁共振跨模态配准深度学习端到端无监督学习相似性度量
分类号：R318.51(医用一般科学)TP391.9(计算技术、计算机技术)TP183(自动化基础理论)
论文发表日期：2023-06-25
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：7( 145-151 )
英文信息