基于结构相似性的解剖与功能脑图像融合
图像与视频处理
2019-09-20 v4 计算机视觉与模式识别
机器学习
摘要
多模态医学图像融合有助于将两种或多种输入成像模态的对比特征结合起来，在单张图像中呈现融合信息。医学图像融合的一个关键临床应用是融合解剖与功能模态，以快速诊断恶性组织。本文提出一种新颖的端到端无监督学习卷积神经网络（CNN），通过在训练期间利用结构相似性指数（SSIM）作为损失函数，来融合公开于 ADNI 的 MRI-PET 灰度图像对的高频与低频分量。随后，我们通过量化每个输入图像的贡献（以融合图像的偏导数表示），对融合图像应用颜色编码以进行可视化。我们发现，融合与可视化方法不仅带来了更好的融合图像视觉感知，而且在应用各种定量评估指标时与以往方法相比也表现良好。
引用
@article{arxiv.1908.03958,
title = {Structural Similarity based Anatomical and Functional Brain Imaging Fusion},
author = {Nishant Kumar and Nico Hoffmann and Martin Oelschlägel and Edmund Koch and Matthias Kirsch and Stefan Gumhold},
journal= {arXiv preprint arXiv:1908.03958},
year = {2019}
}
备注
Accepted at MICCAI-MBIA 2019