《表1 配准方法性能对比表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的脑片图像区域划分方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本配准任务的精度通过脑切片与变形前后的Average Template脑图谱之间的均方根误差（Root Mean Squared Error，RMSE）、相关系数（Correlation Coefficient，CC）以及MI进行衡量。均方根误差越小，两幅图像的相似度越高；相关系数是广泛使用的图像相似性测度之一，它反映了图像的相关程度，相关系数越大，两幅图像配准效果越好；互信息用于描述两幅图像的统计相关性，两幅图像达到最佳配准时，互信息值达到最大。B样条配准方法是单模态配准方法，经过PCANet-SR预处理后可以对多模图像配准。本文实验测量了8组原始图像仿射变换前后、B样条配准前后、PCANet-SR+B样条配准前后以及本文方法配准前后的均方根误差、相关系数以及互信息，最后取8组图像指标的平均值，结果如表1所示。