合成数据辅助下的深度学习医学图像配准技术研究.pdfVIP

临沂大学硕士专业学位论文

摘要

医学图像配准是医学图像分析中的一个重要研究方向。当前，基于深度学习的方法凭

借着高效率和较高的准确性成为医学图像配准领域的主要工作。为了进一步提高配准性能，

在配准任务中引入合成数据（如分割掩码、伪图像、局部有向距离图（Local-Signed-

DistanceFields,LSDFs）等）成为当前研究的热点。然而在这些研究中，仍然存在诸多挑

战：一是现有的使用LSDFs的方法是通过处理分割图获得合成数据，忽略了灰度图像本身

包含的纹理信息；二是现有的利用辅助任务生成合成数据的方法中，如何在配准任务和辅

助任务之间实现有效的信息融合，从而进一步提高配准的精度及可信度，仍然是一个需要

解决的问题。本文针对上述提到的挑战，研究了合成数据辅助下的深度学习医学图像配准

技术，主要在脑核磁共振图像（MagneticResonanceImaging，MRI）上进行了以下研究：

1LSDFs

（）针对现有的利用中缺失纹理信息的问题，本文提出了一个联合了配准任

务和形态学任务的多任务学习框架（IM