计算机应用

作者：王熙源, 张战成, 徐少康, 张宝成, 罗晓清, 胡伏原

单位：1.苏州科技大学 电子与信息工程学院, 江苏 苏州 215009；2.上海极睿医疗科技有限公司, 上海 201799；3.中部战区总医院 骨科, 武汉 430070；4.江南大学 人工智能与计算机学院, 江苏 无锡 214122

关键词：图像配准,手术导航,跨域迁移,深度学习,自注意力

基金：国家自然科学基金资助项目(61772237);江苏省“六大人才高峰”项目(XYDXX-030)

3D/2D配准是手术导航的关键技术，现有基于深度学习的配准方法通过网络提取图像特征，继而回归出相应的姿态变换参数。此类方法依赖于真实的样本以及对应的3D标签用于训练，然而这部分专家标注的医疗数据十分稀缺。替代的方案用数字重建放射影像（DRR）图像训练网络，由于图像特征跨域的差异，在X射线图像上难以保持原有的配准精度。针对上述问题，设计基于自注意力的无监督跨域迁移网络（UCDTN），无须依赖X射线图像与其对应的3D空间标签作为训练样本，将源域所捕获的图像特征与空间变换间的对应关系迁移到目标域，借助公共特征减小域间特征的差距、降低跨域所带来的负面影响。实验结果表明，UCDTN预测结果的平均配准误差（mTRE）为2.66 mm；与未经跨域迁移训练的模型相比，mTRE指标降低了70.61%，验证了UCDTN在跨域配准任务上的有效性。

来源：2024年第9期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第9期