-
题名面向手术导航3D/2D配准的无监督跨域迁移网络
被引量：1
- 1
-
-
作者
王熙源
张战成
徐少康
张宝成
罗晓清
胡伏原
-
机构
苏州科技大学电子与信息工程学院
上海极睿医疗科技有限公司
中部战区总医院骨科
江南大学人工智能与计算机学院
-
出处
《计算机应用》
CSCD
北大核心
2024年第9期2911-2918,共8页
-
基金
国家自然科学基金资助项目(61772237)
江苏省“六大人才高峰”项目(XYDXX-030)。
-
文摘
3D/2D配准是手术导航的关键技术,现有基于深度学习的配准方法通过网络提取图像特征,继而回归出相应的姿态变换参数。此类方法依赖于真实的样本以及对应的3D标签用于训练,然而这部分专家标注的医疗数据十分稀缺。替代的方案用数字重建放射影像(DRR)图像训练网络,由于图像特征跨域的差异,在X射线图像上难以保持原有的配准精度。针对上述问题,设计基于自注意力的无监督跨域迁移网络(UCDTN),无须依赖X射线图像与其对应的3D空间标签作为训练样本,将源域所捕获的图像特征与空间变换间的对应关系迁移到目标域,借助公共特征减小域间特征的差距、降低跨域所带来的负面影响。实验结果表明,UCDTN预测结果的平均配准误差(mTRE)为2.66 mm;与未经跨域迁移训练的模型相比,mTRE指标降低了70.61%,验证了UCDTN在跨域配准任务上的有效性。
-
关键词
图像配准
手术导航
跨域迁移
深度学习
自注意力
-
Keywords
image registration
surgical navigation
cross-domain transfer
deep learning
self-attention
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
