论文部分内容阅读
为提高海马体多图谱分割的精度和时间效率,提出基于高等标准化工具(Advanced Normalization Tools,ANTs)配准的多图谱分割算法。为降低数据规模,在预处理阶段,提取以海马体为中心的立方体box。在配准阶段,提出用ANTs代替重采样环节,再利用微分同胚Demons算法的平滑性、拓扑保持性以及连续性进行精配准。在标签融合阶段,采用加权平均(Majority Voting,MV)算法、基于生成模型约束的GraphCut标签融合(Generative Model,GM)算法、度量学习