-
公开(公告)号：CN100411587C
公开(公告)日：2008-08-20
申请号：CN200610028648.5
申请日：2006-07-06
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于机器学习的立体核磁共振脑图像弹性配准方法，用机器学习的方法得到参考图像中每个点上计算属性向量的最佳尺度，由此得到的最优属性向量和周围各点的属性向量之间保持最大程度的差异性，并和训练样本中对应点上的属性向量保持最大程度的相似性；根据图像中每个点上属性向量的显著性和一致性条件，定义一个评价关键点的标准，通过机器学习的方法自动地层次化地在配准的各个阶段挑选关键点，避免配准过程陷入局部极小值点；最后将基于机器学习的框架和现有的配准算法相结合，完成立体核磁共振脑图像弹性配准。本发明对真实MR图像或模拟MR图像均能提高配准的精确度和鲁棒性，进而为后续的临床应用的可行性和准确性奠定基础。
-
公开(公告)号：CN1883386A
公开(公告)日：2006-12-27
申请号：CN200610028648.5
申请日：2006-07-06
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于机器学习的立体核磁共振脑图像弹性配准方法，用机器学习的方法得到参考图像中每个点上计算属性向量的最佳尺度，由此得到的最优属性向量和周围各点的属性向量之间保持最大程度的差异性，并和训练样本中对应点上的属性向量保持最大程度的相似性；根据图像中每个点上属性向量的显著性和一致性条件，定义一个评价关键点的标准，通过机器学习的方法自动地层次化地在配准的各个阶段挑选关键点，避免配准过程陷入局部极小值点；最后将基于机器学习的框架和现有的配准算法相结合，完成立体核磁共振脑图像弹性配准。本发明对真实MR图像或模拟MR图像均能提高配准的精确度和鲁棒性，进而为后续的临床应用的可行性和准确性奠定基础。
-
Search Results
2
records
(took 0.019 seconds)
