《表1 配准结果比较:基于深度学习的2D/3D医学图像配准研究》
在训练完成后,将50张X光图像分别输入网络模型,得到50组对应的配准参数结果。结合本文第1.6节实验评价方法提出的相关系数、归一化信息和欧氏距离的3个评价指标,计算50组配准数据对应的配准结果的平均值与标准差,并同时计算这50张X光图像对应的常规2D/3D配准方法的配准结果的平均值与标准差,最终得到的配准结果及配准时间如表1所示。从结果中可以看出,深度学习预测的准确性从相关性系数、归一化互信息、参数的欧氏距离这3个评价标准上都在一定程度上优于传统算法的结果;此外,从配准时间上看,深度学习的配准时间远小于常规配准时间,达到了0.03 s,实现了实时配准。另外可以看到,对于加了噪声的图像,其最终的预测的效果与原图比较接近,说明该网络具备一定的抗干扰性,在训练和测试的图像上都加上噪声对结果的干扰不大。
图表编号 | XD00160943900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.20 |
作者 | 陈向前、郭小青、周钢、樊瑜波、王豫 |
绘制单位 | 北京航空航天大学生物与医学工程学院、北京航空航天大学生物与医学工程学院、北京航空航天大学生物与医学工程学院、北京航空航天大学生物与医学工程学院、北京航空航天大学生物与医学工程学院 |
更多格式 | 高清、无水印(增值服务) |