当前位置：
X-MOL 学术
›
J. Appl. Clin. Med. Phys.
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
End-to-end unsupervised cycle-consistent fully convolutional network for 3D pelvic CT-MR deformable registration.
Journal of Applied Clinical Medical Physics ( IF 2.0 ) Pub Date : 2020-07-13 , DOI: 10.1002/acm2.12968 Yi Guo 1 , Xiangyi Wu 1 , Zhi Wang 1, 2 , Xi Pei 1 , X George Xu 1, 3
Journal of Applied Clinical Medical Physics ( IF 2.0 ) Pub Date : 2020-07-13 , DOI: 10.1002/acm2.12968 Yi Guo 1 , Xiangyi Wu 1 , Zhi Wang 1, 2 , Xi Pei 1 , X George Xu 1, 3
Affiliation
To improve the efficiency of computed tomography (CT)‐magnetic resonance (MR) deformable image registration while ensuring the registration accuracy.
中文翻译：
用于3D骨盆CT-MR可变形配准的端到端无监督循环一致全卷积网络。
为了提高计算机断层扫描（CT）-磁共振（MR）可变形图像配准的效率，同时确保配准精度。
更新日期：2020-09-18
中文翻译：
用于3D骨盆CT-MR可变形配准的端到端无监督循环一致全卷积网络。
为了提高计算机断层扫描（CT）-磁共振（MR）可变形图像配准的效率，同时确保配准精度。
京公网安备 11010802027423号