摘要
摘要：医学的图像配准是目前图像处理领域的一个典型问题和技术难点，为了更好更高效地综合多种信息来辨别不同的组织和病变部位，医生可能需要对同一个部位应用不同的仪器或者不同的成像技术进行扫描成像。匹配同一个病发位的过程称为配准，但最为困难的是，即便我们使用同一设备对同一位置进行成像，其结果也不尽相同，仍需要考虑输出图片的大小等因素。正电子发射型计算机断层显像（Positron Emission Computed Tomography，PET）主要对参与特定代谢途径的组织进行成像，存在的差异与计算机断层扫描显像（Computed Tomography，CT）和核磁共振成像（Magnetic Resonance Imaging，MRI）相比较大。因此在本题中我们采用了灰度值（Gray scale）、噪声处理、拉普拉斯滤波器等方法对图片进行预处理，再根据卷积神经网络（Convolutional Neural Networks, CNN）进行适当修改，最终完成各种模态内及模态间的配准处理。
出版日期
2021年08月30日（中国期刊网平台首次上网日期，不代表论文的发表时间）
