亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Lung‐CRNet: A convolutional recurrent neural network for lung 4DCT image registration

人工智能 计算机科学 图像配准 卷积神经网络 深度学习 计算机视觉 模式识别(心理学) 图像(数学)
作者
Jiayi Lu,Renchao Jin,Enmin Song,Guangzhi Ma,Manyang Wang
出处
期刊:Medical Physics [Wiley]
卷期号:48 (12): 7900-7912 被引量:15
标识
DOI:10.1002/mp.15324
摘要

Deformable image registration (DIR) of lung four-dimensional computed tomography (4DCT) plays a vital role in a wide range of clinical applications. Most of the existing deep learning-based lung 4DCT DIR methods focus on pairwise registration which aims to register two images with large deformation. However, the temporal continuities of deformation fields between phases are ignored. This paper proposes a fast and accurate deep learning-based lung 4DCT DIR approach that leverages the temporal component of 4DCT images.We present Lung-CRNet, an end-to-end convolutional recurrent registration neural network for lung 4DCT images and reformulate 4DCT DIR as a spatiotemporal sequence predicting problem in which the input is a sequence of three-dimensional computed tomography images from the inspiratory phase to the expiratory phase in a respiratory cycle. The first phase in the sequence is selected as the only reference image and the rest as moving images. Multiple convolutional gated recurrent units (ConvGRUs) are stacked to capture the temporal clues between images. The proposed network is trained in an unsupervised way using a spatial transformer layer. During inference, Lung-CRNet is able to yield the respective displacement field for each reference-moving image pair in the input sequence.We have trained the proposed network using a publicly available lung 4DCT dataset and evaluated performance on the widely used the DIR-Lab dataset. The mean and standard deviation of target registration error are 1.56 ± 1.05 mm on the DIR-Lab dataset. The computation time for each forward prediction is less than 1 s on average.The proposed Lung-CRNet is comparable to the existing state-of-the-art deep learning-based 4DCT DIR methods in both accuracy and speed. Additionally, the architecture of Lung-CRNet can be generalized to suit other groupwise registration tasks which align multiple images simultaneously.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
NexusExplorer应助zjz采纳,获得10
10秒前
曹操的曹完成签到,获得积分10
55秒前
小二郎应助科研通管家采纳,获得50
1分钟前
2分钟前
zjz发布了新的文献求助10
2分钟前
2分钟前
2分钟前
zjz完成签到,获得积分10
2分钟前
栗子发布了新的文献求助10
2分钟前
龙虾发票发布了新的文献求助10
2分钟前
bkagyin应助栗子采纳,获得10
2分钟前
庾无敌完成签到 ,获得积分10
3分钟前
Perry完成签到,获得积分10
4分钟前
大个应助cc采纳,获得10
5分钟前
柯语雪完成签到 ,获得积分10
5分钟前
5分钟前
cc发布了新的文献求助10
5分钟前
神经蛙完成签到,获得积分10
5分钟前
甜美的问蕊完成签到 ,获得积分10
6分钟前
新世界的蜗牛完成签到,获得积分10
7分钟前
8分钟前
8分钟前
祖之微笑发布了新的文献求助200
8分钟前
FSYHantis完成签到,获得积分10
9分钟前
宋丽薇完成签到,获得积分10
9分钟前
上官若男应助cc采纳,获得10
10分钟前
缪静柏发布了新的文献求助30
11分钟前
祖之微笑完成签到,获得积分10
11分钟前
11分钟前
六月初八夜完成签到,获得积分10
11分钟前
cc发布了新的文献求助10
11分钟前
11分钟前
李健的粉丝团团长应助1577采纳,获得10
11分钟前
喵喵完成签到 ,获得积分10
11分钟前
猪皮恶人发布了新的文献求助10
11分钟前
11分钟前
祖之微笑发布了新的文献求助10
11分钟前
11分钟前
1577发布了新的文献求助10
11分钟前
12分钟前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
Diamonds: Properties, Synthesis and Applications 1000
The Data Economy: Tools and Applications 1000
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 700
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 700
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3099758
求助须知:如何正确求助?哪些是违规求助? 2751215
关于积分的说明 7612024
捐赠科研通 2403006
什么是DOI,文献DOI怎么找? 1275089
科研通“疑难数据库(出版商)”最低求助积分说明 616238
版权声明 599033