یک روش مبتنی بر یادگیری چنددقتی برای تطبیق تصاویر پزشکی چندکیفیتی

هدف اصلی در روش های مختلف تطبیق تصویر، پیداکردن پارامترهای تبدیل برای نگاشت دقیق یک تصویر بر روی مختصات تصویر دیگر است. در پزشکی، برقراری ارتباط دقیق میان داده های تصاویر پزشکی در کاربردهایی نظیر تشخیص و درمان از اهمیت بسیاری برخوردار است و بر این اساس، روش های متعددی برای تطبیق تصاویر ارائه شده است. مقایسه نتایج الگوریتم های مختلف، انگیزه اصلی این پژوهش گردیده تا بتوان الگوریتم جدید ترکیبی ارائه و پیاده سازی نمود که از دقت بالایی برای تطبیق تصاویر چندکیفیتی برخوردار باشد. خودکارسازی فرایند تطبیق با بهره گیری از رویکرد یادگیری ماشین، نوآوری مقاله حاضر نسبت به روش های پیشین به شمار می رود. به این منظور، روش پیشنهادی به نام یادگیری چنددقتی از ترکیب یک روش تجزیه چنددقتی و یک شبکه عصبی سلسله مراتبی بهره می گیرد که با استفاده از ویژگی های سراسری تصویر، پارامترهای تبدیل را یاد گرفته و از پارامترهای تبدیل به دست آمده از فرایند یادگیری، برای تطبیق تصاویر استفاده می کند. روش پیشنهادی بر روی پایگاه داده تصاویر پزشکی دانشگاه واندربیلت پیاده سازی و آزمون شده و نتایج به دست آمده دقت قابل قبولی را برای روش پیشنهادی در مقایسه با سایر روش ها نشان می دهد.