用于三维脑图像同步模板估计、偏置校正与配准的统计模型
计算机视觉与模式识别
2017-05-02 v1
摘要
模板估计在计算解剖学中起着关键作用，因为它为对底层解剖群体变异性进行统计分析提供了参考框架。在构建模板估计模型时，需要考虑场地和图像采集协议中的变异性。为考虑此种变异性，我们提出了一个生成式模板估计模型，该模型同时对个体图像中的偏置场、用于图像配准的形变以及方差超参数进行推断。相比之下，现有的基于最大后验的方法需要依赖偏置不变相似性度量或鲁棒的图像归一化。在合成和真实脑 MRI 图像上的结果展示了该模型捕捉强度异质性的能力，并通过配准提供可靠的模板估计。
引用
@article{arxiv.1705.00432,
title = {A Statistical Model for Simultaneous Template Estimation, Bias Correction, and Registration of 3D Brain Images},
author = {Akshay Pai and Stefan Sommer and Lars Lau Raket and Line Kühnel and Sune Darkner and Lauge Sørensen and Mads Nielsen},
journal= {arXiv preprint arXiv:1705.00432},
year = {2017}
}