8245

انطباق تصاوير پزشكي با استفاده از روش‌هاي يادگيري عميق

1399

دكتر ابوذر غفاري

انطباق تصاوير يكي از روش‌هاي اساسي در پردازش تصاوير پزشكي است كه به منظور برقراري ارتباط بهينه بين موقعيت هندسي ويژگي‌هاي تعريف شده بين دو يا چند تصوير به كار مي‌رود. به بياني ديگر، هدف از انطباق تصاوير يكسا‌ن‌سازي فضاي هندسي بين دو تصوير است. با وجود روش‌هاي تصويربرداري گوناگون، نياز به انطباق اين تصاوير براي تشخيص هرچه بهتر بيماري‌ها آشكار مي‌شود. سالهاست محققان بر روي يافتن تبديلي بهينه براي انطباق تصاوير فعاليت مي‌كنند. در روش‌هاي مرسوم، معمولا يافتن اين تبديل با استفاده از روش‌هاي بهينه‌‌سازي عددي و به صورت تكرار بين دو جفت تصوير انجام مي‌شود. اگرچه در چند سال اخير، ما شاهد ورود ابزار يادگيري عميق در حوزه انطباق تصاوير هستم. از جمله مزيت‌هاي انطباق تصاوير با استفاده از يادگيري عميق مي‌توان به ايجاد تبديلات غير‌خطي پيچيده، سرعت بسيار بالا در انطباق و مقاوم بودن آن در برابر تغييرات شدت روشنايي و نويز به عنوان معيار ارزيابي در فرايند بهينه‌سازي نام برد. استفاده از يادگيري عميق در اين حوزه روز‌ به‌ روز در حال افزايش است. لذا، قصد داريم تا به بررسي رويكرد‌هاي مختلف بكارگيري اين ابزار و چگونگي پياده‌سازي آن در حوزه انطباق تصاوير بپردازيم.

3/10/2021 12:00:00 AM

70553

1399/12/27

medical image registration via deep learning-based approaches

انطباق تصاوير , يادگيري عميق , شبكه عصبي , تصاوير مونومودال و مالتي مودال , شبكه هاي كانولوشني