基于深度学习的膀胱癌多参数磁共振成像无监督配准方法研究

作者：陈志颖; 陈春晓^*; 吴泽静; 徐俊琪

来源：生物医学工程研究, 2023, 42(02): 145-151.

DOI：10.19529/j.cnki.1672-6278.2023.02.06

• 膀胱癌诊断
• 多参数磁共振
• 跨模态配准
• 深度学习
• 端到端
• 无监督学习
• 相似性度量

针对传统基于迭代优化的医学影像配准方法速度慢、泛化性差的问题，本研究提出了一种基于深度学习的膀胱癌磁共振成像(magnetic resonance image, MRI)跨模态无监督配准方法，并采用具有随机块采样的标准互信息(patch normalized mutual information, Patch-NMI)进行无监督训练。相比传统的迭代配准方法，本研究算法在进行膀胱癌动态增强成像(dynamic contrast-enhanced imaging, DCE)和T2加权像(T2-weighted imaging, T2WI)配准时，精度提升了1.3%,速度提高了20.42倍。实验结果表明，本算法在进行膀胱癌DCE和T2WI配准时，精度更高，速度更快。

• 出版日期2023
• 单位南京航空航天大学