计算机应用

作者：秦庭威, 赵鹏程, 秦品乐, 曾建朝, 柴锐, 黄永琦

单位：1.山西省医学影像人工智能工程技术研究中心（中北大学），太原 030051；2.中北大学 大数据学院，太原 030051

关键词：点云配准,特征提取,残差注意力机制,深度学习,放疗

基金：山西省重点研发计划项目(201803D31212-1);山西省工程技术研究中心建设项目(201805D121008)

针对传统点云配准算法精度低、鲁棒性差以及放疗前后癌症患者无法实现精确放疗的问题，提出一种基于残差注意力机制的点云配准算法（ADGCNNLK）。首先，在动态图深度卷积网络（DGCNN）中添加残差注意力机制来有效地利用点云的空间信息，并减少信息损失；然后，利用添加残差注意力机制的DGCNN提取点云特征，这样做不仅可以在保持点云置换不变性的同时捕捉点云的局部几何特征，也可以在语义上将信息聚合起来，从而提高配准效率；最后，将提取到的特征点映射到高维空间中并使用经典的图像迭代配准算法LK进行配准。实验结果表明，所提算法与迭代最近点算法（ICP）、全局优化的ICP算法（Go-ICP）和PointNetLK相比，在无噪、有噪的情况下配准效果均最好。其中，在无噪情况下，与PointNetLK相比，所提算法的旋转均方误差降低了74.61%，平移均方误差降低了47.50%；在有噪声的情况下，与PointNetLK相比，所提算法的旋转均方误差降低了73.13%，平移均方误差降低了44.18%，说明所提算法与PointNetLK相比鲁棒性更强。将所提算法应用于放疗前后癌症患者人体点云模型的配准，从而辅助医生治疗，并实现了精确放疗。

来源：2022年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2022年第7期