-
题名基于FCN和互信息的医学图像配准技术研究
被引量：7
- 1
-
-
作者
曾安
王烈基
潘丹
黄殷
-
机构
广东工业大学计算机学院
广东大数据分析与处理重点实验室
广东建设职业技术学院现代教育技术中心
-
出处
《计算机工程与应用》
CSCD
北大核心
2020年第18期202-208,共7页
-
基金
国家自然科学基金(No.61772143,No.61300107)
广东省自然科学基金(No.S2012010010212)
+1 种基金
广州市科技计划项目(No.201601010034,No.201804010278)
广东省大数据分析与处理重点实验室开放基金(No.201801)。
-
文摘
针对传统配准方法在进行三维多模态图像配准时存在收敛速度较慢、容易陷入极值等问题,提出一种基于全卷积神经网络(Fully Convolutional Networks,FCN)和互信息的配准方法。利用FCN模型提取二维图像深层特征并进行粗配准;将得到的配准结果作为互信息算法的初始搜索点,从而使搜索范围缩小至全局最优解附近;利用互信息算法对参数进一步微调优化,得到最优三维配准结果。实验结果表明,在进行CT-MR图像配准时,所提方法不仅可以大幅度提升配准速度,还能有效避免局部收敛的情况,具有更高的准确性。
-
关键词
全卷积神经网络
互信息算法
多模态
三维图像配准
-
Keywords
Fully Convolutional Networks(FCN)
mutual information algorithm
multi-modal
three-dimensional image registration
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
-
题名基于稀疏降噪自编码器的深度置信网络
被引量：12
- 2
-
-
作者
曾安
张艺楠
潘丹
Xiao-Wei Song
-
机构
广东工业大学计算机学院
广东建设职业技术学院现代教育技术中心
西蒙弗雷泽大学影像技术实验室
-
出处
《计算机应用》
CSCD
北大核心
2017年第9期2585-2589,共5页
-
基金
国家自然科学基金资助项目(61300107)
广东省自然科学基金资助项目(S2012010010212)
+1 种基金
广州市科技计划资助项目(201504301341059
201505031501397)~~
-
文摘
传统的深度置信网络(DBN)采用随机初始化受限玻尔兹曼机(RBM)的权值和偏置的方法初始化网络。虽然这在一定程度上克服了由BP算法带来的易陷入局部最优和训练时间长的问题,但随机初始化仍然会导致网络重构和原始输入的较大差别,这使得网络无论在准确率还是学习效率上都无法得到进一步提升。针对以上问题,提出一种基于稀疏降噪自编码器(SDAE)的深度网络模型,其核心是稀疏降噪自编码器对数据的特征提取。首先,训练稀疏降噪自编码;然后,用训练后得到的权值和偏置来初始化深度置信网络;最后,训练深度置信网络。在Poker Hand纸牌游戏数据集和MNIST、USPS手写数据集上测试模型性能,在Poker Hand数据集下,方法的误差率比传统的深度置信网络降低46.4%,准确率和召回率依次提升15.56%和14.12%。实验结果表明,所提方法能有效地改善模型性能。
-
关键词
深度置信网络
受限玻尔兹曼机
稀疏降噪自编码器
深度学习
-
Keywords
Deep Belief Network （DBN） Restricted Boltzmann Machine （RBM） Sparse Denoising AutoEncoder （SDAE） deep learning
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
