ادغام سریع تصاویر پزشکی CT و MRI به روش یادگیری دیکشنری بر اساس مولفه های بافت تصویر

کاربردهای بالینی، مانند جراحی هدایت شده با تصو یر و تشخیص غیرتهاجمی، به شدت به تصاویر چند حالته متکی هستند، تلفیق تصویر پزشکی با ادغام اطلاعات از چندین منبع در یک خروجی واحد و قابل درک تر، نقش اصلی را بازی می کند. ما یک روش همجوشی تصو یر در زمان واقعی را با استفاده از شبکه های عصبی آموزش دیده برای تولید یک تصویر واحد حاوی ویژگی های منابعچند مد ارائه می دهیم. تصاو یر با استفاده از یک استراتژ ی جدید مبتنی بر نقشه های ویژگی های عمیق استخراج شده از یک شبکه عصبی کانولوشن ادغام می شوند. این روش ویژگی با تولید وزن های همجوشی مقایسه می شوند که روند همجوشی تصویر چند حالته را هدایت می کنند روش ما محدود به تلفیق دو تصویر نیست، بلکه می تواند برای هر تعداد منبع ورودی اعمال شود. ما اثربخشی روشپیشنهادی خود را در مورد ادغام چند تصویر پزشکی اعتبار سنجی می کنیم. نتایج تجربی نشان می دهد که تکنیک ما به عملکرد پیشرفته در هر دو کیفیت بصری، ارزیابی عینی و کارایی زمان اجرا می رسد.

کلیدواژه ها:

همجوشی تصویر ، همجوشی پزشکی چند حالته ، شبکه های عصبی ، زمان واقعی