AirLab：自动微分图像配准实验室
计算机视觉与模式识别
2020-03-03 v2
摘要
医学图像配准是一个活跃的研究课题，并构成许多医学图像分析任务的基础。尽管图像配准是一个相当通用的概念，但通常需专门的方法以应对特定的配准问题。此类方法的开发与实现迄今颇为困难，因为必须计算目标的梯度，且其评估最好在大图像、更复杂变换模型与正则化项时在 GPU 上执行。这阻碍了研究人员的快速原型开发，并为复现研究结果设置了障碍。显然需要一个隐藏此类复杂性的环境，以将配准方法的建模与实验探索置于前台。借助“自动微分图像配准实验室”（AIRLab），我们引入一个面向图像配准任务的开放实验室，其中目标函数的解析梯度自动计算，且计算所执行的设备（CPU 或 GPU）是透明的。它旨在作为研究人员与开发者的实验室，使他们能快速尝试配准图像的新想法并复现已发表过的配准结果。AIRLab 以 Python 实现，使用 PyTorch 作为张量与优化库，并使用 SimpleITK 进行基本图像 IO。因此，它得益于机器学习界在优化与深度神经网络模型方面的最新进展。本文所给草稿以首批代码片段与性能分析勾勒 AIRLab，更详尽的介绍将作为终版很快跟进。
引用
@article{arxiv.1806.09907,
title = {AirLab: Autograd Image Registration Laboratory},
author = {Robin Sandkühler and Christoph Jud and Simon Andermatt and Philippe C. Cattin},
journal= {arXiv preprint arXiv:1806.09907},
year = {2020}
}
备注
Corresponding author: Christoph Jud, e-mail: [email protected]