非线性立体脑图像配准中的机器学习方法  

Non-Linear Registration of MR Brain Images Integrated with Machine Learning

作　　者：吴国荣[1] 戚飞虎[1] 

机构地区：[1]上海交通大学计算机科学与工程系,上海200240

出　　处：《中国医疗器械杂志》2006年第4期268-270,共3页Chinese Journal of Medical Instrumentation

基　　金：国家自然科学基金(№.60271033)

摘　　要：针对基于属性向量的非线性配准算法,提出用机器学习的方法寻找脑图像中各个点上的最优几何特征向量。通过定义一个能量函数把寻找最优属性向量的过程归结为一个最优化问题。把训练得到的最优属性向量与HAMMER(一种基于属性向量的非线性配准算法)相结合,对模拟的MR脑图像进行了实验．与HAMMER相比,位移场的精度提高了10%。改进后的算法对真实的MR脑图像的配准结果,也有很大的改善。This paper presents a machine learning method to select best geometric features for deformable brain registration for each brain location. By incorporating those learned best attribute vector into the framework of HAMMER registration algorithm, The accuracy has increased by about 10% in estimating the simulated deformation fields. At the same time on real MR brain images, we have found a great deal of improvement of registration in cortical regions.

关 键 词：非线性配准 机器学习 最优属性向量 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]