项目名称: 基于稀疏学习和中继样本的婴幼儿脑部磁共振图像配准研究

项目编号: No.61401271

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 无线电电子学、电信技术

项目作者: 王乾

作者单位: 上海交通大学

项目金额: 25万元

中文摘要: 婴幼儿脑部磁共振(MR)图像配准是脑科学研究中的基础性方法之一,在MR图像分析中举足轻重。人脑早期生长发育极为迅速;受此影响,婴幼儿脑部MR图像的变化大,配准难度高。利用前期工作中对稀疏学习和中继样本等的研究,我们将在本项目中实现对任意婴幼儿个体、任意年龄的脑部MR图像配准,有效填补这一空白。我们利用稀疏学习建立待配准图像与中继样本之间的空间对应关系,继而利用中继样本内部完整的时间信息建立四维纵向(时间+空间)对应关系。两者合并,我们就得到了待配准图像间的时间+空间对应关系,并完成其配准。于此同时,我们也保证同一个体内部多个年龄图像间的时间一致性在配准前后保持不变。本项目提出的方案可以将高难度的图像直接配准分解成为由若干较简单问题组成的间接配准。我们的方法不仅可以应用在婴幼儿图像配准上,也可以推广至成人多模态图像配准等,并有效推动基于MR图像的脑科学研究的发展。

中文关键词: 图像配准;机器学习;图像处理;;

英文摘要: Registration of infant brain magnetic resonance (MR) images is fundamentally important in brain related researches, especially the studies upon brain MR images. Due to the rapid early brain development, infant brain MR images vary a lot and their registra

英文关键词: Image Registration;Machine Learning;Image Processing;;

成为VIP会员查看完整内容
0

相关内容

图像配准是图像处理研究领域中的一个典型问题和技术难点,其目的在于比较或融合针对同一对象在不同条件下获取的图像,例如图像会来自不同的采集设备,取自不同的时间,不同的拍摄视角等等,有时也需要用到针对不同对象的图像配准问题。具体地说,对于一组图像数据集中的两幅图像,通过寻找一种空间变换把一幅图像映射到另一幅图像,使得两图中对应于空间同一位置的点一一对应起来,从而达到信息融合的目的。 该技术在计算机视觉、医学图像处理以及材料力学等领域都具有广泛的应用。根据具体应用的不同,有的侧重于通过变换结果融合两幅图像,有的侧重于研究变换本身以获得对象的一些力学属性。
专知会员服务
25+阅读 · 2021年10月20日
专知会员服务
27+阅读 · 2021年10月6日
【IJCAI2021】​单样本可供性检测
专知会员服务
9+阅读 · 2021年8月27日
专知会员服务
31+阅读 · 2021年7月26日
【AAAI2021】基于双任务一致性的半监督医学图像分割
专知会员服务
30+阅读 · 2021年2月7日
35岁的程序员后来都怎么样了?
微软招聘
0+阅读 · 2022年3月29日
自监督学习推动医学图像分类发展
TensorFlow
17+阅读 · 2021年12月6日
最新开源 RGBD+IMU数据集:FMDataset
计算机视觉life
42+阅读 · 2019年9月21日
综述 | 图像配准 Image registration
计算机视觉life
18+阅读 · 2019年9月12日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
CVPR2019 | 医学影像:MIT 利用学习图像变换进行数据增强
计算机视觉life
26+阅读 · 2019年3月27日
Meta-Learning 元学习:学会快速学习
极市平台
75+阅读 · 2018年12月19日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
17+阅读 · 2020年11月15日
小贴士
相关VIP内容
专知会员服务
25+阅读 · 2021年10月20日
专知会员服务
27+阅读 · 2021年10月6日
【IJCAI2021】​单样本可供性检测
专知会员服务
9+阅读 · 2021年8月27日
专知会员服务
31+阅读 · 2021年7月26日
【AAAI2021】基于双任务一致性的半监督医学图像分割
专知会员服务
30+阅读 · 2021年2月7日
相关资讯
35岁的程序员后来都怎么样了?
微软招聘
0+阅读 · 2022年3月29日
自监督学习推动医学图像分类发展
TensorFlow
17+阅读 · 2021年12月6日
最新开源 RGBD+IMU数据集:FMDataset
计算机视觉life
42+阅读 · 2019年9月21日
综述 | 图像配准 Image registration
计算机视觉life
18+阅读 · 2019年9月12日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
CVPR2019 | 医学影像:MIT 利用学习图像变换进行数据增强
计算机视觉life
26+阅读 · 2019年3月27日
Meta-Learning 元学习:学会快速学习
极市平台
75+阅读 · 2018年12月19日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员