基于B样条仿射和GANs的医学图像配准

摘要

针对传统基于灰度、 特征的医学图像配准算法计算量大、 细节丢失以及配准形变图像能力差等问题,提出了一种基于B样条仿射和生成对抗网络的医学图像配准模型.将基于小波变换以及随机采样一致算法的B样条仿射变换融入生成对抗网络,减小了因局部变形和全局变形导致的配准误差,并在生成对抗网络的判别器中引入二次判别机制.通过CT-MR配准实验,证明了该模型能够保持图像原有的内容和结构信息的同时,减少了网络的迭代学习时间,提高了配准精度,具有一定的临床应用价值.