• • 下一篇
WANG Xiyuan1,
ZHANG Zhancheng1, XU Shaokang2, ZHANG Baocheng3,
LUO Xiaoqing 4, #br#
HU Fuyuan 1
摘要: 3D/2D配准是术中导航的关键技术,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三维标签用于训练,然而这部分专家标注的医疗数据十分稀缺。替代的方案以数字重建放射影像(DRR)图像训练网络,由于图像特征跨域的差异,在X射线上难以保持原有的配准精度。针对上述问题,设计了基于自注意力的无监督跨域迁移配准网络,无需依赖X射线与其对应的三维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,借助公共特征减少域间特征的差距降低跨域所带来的负面影响,模型预测结果的平均配准误差(mTRE)为2.66mm。与未经跨域迁移训练的模型相比,mTRE指标降低了70.61%,说明所设计方法的在跨域配准任务的有效性。
中图分类号: