一种用于逆一致三维图像配准的多解码器CNN
图像与视频处理
2020-02-19 v1 计算机视觉与模式识别
摘要
近年来深度学习技术在医学图像配准中的应用，与传统方法相比指数级地缩短了配准时间并逐步提升了配准精度。多数基于学习的配准方法将该任务视为单向问题，因而仅考虑从浮动图像到目标图像的对应。然而，某些医疗流程要求执行双向配准。与其他基于学习的配准不同，我们提出了一种具有逆一致性的配准框架。所提方法以无监督方式同时学习前向变换与后向变换。我们在公开可用的LPBA40 MRI数据集上进行了方法的训练与测试，并展现出优于基线配准方法的强劲性能。
引用
@article{arxiv.2002.06468,
title = {A Multiple Decoder CNN for Inverse Consistent 3D Image Registration},
author = {Abdullah Nazib and Clinton Fookes and Olivier Salvado and Dimitri Perrin},
journal= {arXiv preprint arXiv:2002.06468},
year = {2020}
}