基于神经网络的双X射线影像2D-3D配准算法

HFCAS OpenIR

	基于神经网络的双X射线影像2D-3D配准算法
其他题名	2D-3D double X-ray image registration method based on neural network
	沈延延 1; 冯汉升2
	2020
发表期刊	中国医学物理学杂志
ISSN	1005-202X
摘要	针对基于迭代优化的传统2D-3D医学图像配准算法运行速度慢,难以达到实时配准的要求,本研究提出一种实时2D-3D配准方法。通过将空间刚体变换参数分解到两个平面上,将2D-3D配准简化为两个步骤,包含2D-2D近似刚体配准与单参数2D-3D刚体配准。同时利用深度卷积神经网络拟合患者X射线影像残差与其对应姿态差异间的非线性映射关系,从X-DRR图像对的残差回归出空间刚体变换参数。经由头颅CT数据训练后的网络,在0.04 s内完成了高精度的双X射线配准。本研究提出的配准方法满足了放疗过程中进行实时2D-3D配准工作的要求。
其他摘要	Based on the situation that the traditional 2 D-3 D medical image registration algorithm based on iterative optimization can not realize real-time registration due to slow running speed,a real-time 2 D-3 D registration method is proposed.By decomposing spatial rigid transformation parameters into two planes,2 D-3 D registration is simplified into two steps,including 2 D-2 D approximate rigid registration and single-parameter 2 D-3 D grid registration.Meanwhile,deep convolutional neural network is used to fit the nonlinear mapping between X-ray images residual and its corresponding postural difference,and the space rigid transformation parameters are regressed from the residual of the X-DRR image pair.The network trained by head CT data can complete the high-precision double X-ray registration within 0.04 s.The proposed registration method can satisfy the requirements of real-time 2 D-3 D registration during radiotherapy.
关键词	双X射线影像 2D-3D配准卷积神经网络几何分解
收录类别	CSCD
语种	中文
CSCD记录号	CSCD:6677685
引用统计
文献类型	期刊论文
条目标识符	http://ir.hfcas.ac.cn:8080/handle/334002/49332
专题	中国科学院合肥物质科学研究院
作者单位	1.安徽大学电气工程与自动化学院 2.中国科学院等离子体物理研究所
推荐引用方式 GB/T 7714	沈延延,冯汉升. 基于神经网络的双X射线影像2D-3D配准算法[J]. 中国医学物理学杂志,2020,037.
APA	沈延延,&冯汉升.(2020).基于神经网络的双X射线影像2D-3D配准算法.中国医学物理学杂志,037.
MLA	沈延延,et al."基于神经网络的双X射线影像2D-3D配准算法".中国医学物理学杂志 037(2020).