一种用于可见光-热成像（VT）癌症人脸配准的生成式方法
计算机视觉与模式识别
2023-08-24 v1
摘要
由于热成像提供了一种研究疼痛的独特模态，美国国立卫生研究院（NIH）已收集了大量多样化的癌症患者面部热像图用于基于 AI 的疼痛研究。然而，热传感器与可见光传感器之间相机采集角度的差异导致了可见光-热成像（VT）图像间的错位。我们通过应用并修改一种生成式对齐算法来配准 VT 癌症人脸，无需参考或对齐参数，从而将经典的计算机视觉任务图像配准现代化。通过配准 VT 人脸，我们证明了在生成式 AI 下游任务可见光到热成像（V2T）图像翻译中产生的热图像质量相比不配准时显著提升了高达 52.5%。本文中的图像已获 NIH NCI 批准公开传播。
引用
@article{arxiv.2308.12271,
title = {A Generative Approach for Image Registration of Visible-Thermal (VT) Cancer Faces},
author = {Catherine Ordun and Alexandra Cha and Edward Raff and Sanjay Purushotham and Karen Kwok and Mason Rule and James Gulley},
journal= {arXiv preprint arXiv:2308.12271},
year = {2023}
}
备注
2nd Annual Artificial Intelligence over Infrared Images for Medical Applications Workshop (AIIIMA) at the 26th International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI 2023)