基于多级串联深度卷积神经网络配准大形变图像

目的 采用无监督方式基于多级串联深度卷积神经网络(CNN)建立大形变图像配准网络(LDIRnet)模型,评估其配准脑部MRI及肺部CT图像的性能.方法 串联多个结构相同而参数不同的深度CNN,以端到端方式学习待配准图像之间的多个小形变场;再通过叠加小形变场计算待配准图像之间的大形变场,实现大形变图像配准.结果 配准3D脑部M RI时,三级LDIRnet(T hree-LDIRnet)配准性能最佳,Dice系数为0.793±0.104,其次为两级LDIRnet(T w o-LDIRnet)及ANT,VoxelMorph最差;配准肺部4D CT图像时,总体配准性能以mlVIRNET最佳,平均配准误差为(1.84±1.39)mm,其次为Three-LDIRnet、DLIR及Two-LDIRnet,VoxelMorph模型误差最大.结论 多级串联配准网络模型有助于提高配准大形变图像的精度.