文件名称：A CNN Regression Approach for Real-Time
文件大小：1.88MB
文件格式：PDF
更新时间：2021-11-22 13:38:52
CNN
在本文中，我们展示了现有的基于强度的2-D / 3-D配准技术的回归方法，主要是对现有的基于强度的2-D / 3-D配准技术的限制：1）缓慢的计算和2）小的捕获范围。与基于优化的方法不同，该方法优化地改变了代表注册质量的超标量度函数的变换参数，所提出的方法利用嵌入在数字重建射线照片和X射线图像的外观中的信息，并且使用CNN回归器来直接估计变换参数。引入自动特征提取步骤来计算3-D姿态索引特征，这些特征对要回归的变量敏感，同时对其他因素具有鲁棒性。然后对CNN回归器进行本地区域训练，并以分层方式应用，将复杂的回归任务分解为多个简单的子任务，可以单独学习。在CNN回归模型中进一步采用权重分配来减少记忆足迹。所提出的方法已经在3种潜在的临床应用中进行了定量评估，证明了与基于强度的方法相比，提供了高度准确的实时2-D / 3-D登记的显着优势。