-
公开(公告)号：CN113112534A
公开(公告)日：2021-07-13
申请号：CN202110421588.8
申请日：2021-04-20
Applicant: 安徽大学
Abstract: 本发明涉及一种基于迭代式自监督的三维生物医学图像配准方法，与现有技术相比解决了无监督深度学习配准算法one‑shot训练策略训练出模型应用精度受限的缺陷。本发明包括以下步骤：三维生物医学图像数据集的获取和预处理；配准深度模型的构建；配准深度模型的训练；待配准图像的获取；待配准图像的预处理；三维生物医学图像配准结果的获得。本发明通过网络训练动态产生迭代式自监督信息并利用其对选取的每对图像进行多次迭代监督训练，以多次利用图像对在不同迭代阶段的差异信息获得更加精确的形变场，简单、高效地提升了现有无监督生物医学图像配准网络的配准精度。
-
公开(公告)号：CN113112534B
公开(公告)日：2022-10-18
申请号：CN202110421588.8
申请日：2021-04-20
Applicant: 安徽大学
Abstract: 本发明涉及一种基于迭代式自监督的三维生物医学图像配准方法，与现有技术相比解决了无监督深度学习配准算法one‑shot训练策略训练出模型应用精度受限的缺陷。本发明包括以下步骤：三维生物医学图像数据集的获取和预处理；配准深度模型的构建；配准深度模型的训练；待配准图像的获取；待配准图像的预处理；三维生物医学图像配准结果的获得。本发明通过网络训练动态产生迭代式自监督信息并利用其对选取的每对图像进行多次迭代监督训练，以多次利用图像对在不同迭代阶段的差异信息获得更加精确的形变场，简单、高效地提升了现有无监督生物医学图像配准网络的配准精度。
-
Search Results
2
records
(took 0.022 seconds)
