Aladdin：基于成对对齐的联合图谱构建与微分同胚配准学习
图像与视频处理
2022-04-04 v2 计算机视觉与模式识别
摘要
图谱构建与图像配准是医学图像分析中的重要任务。一旦从图像群体构建出一个或多个图谱，通常（1）将图像变形到图谱空间以研究受试者内或受试者间变异，或（2）将可能为概率性的图谱变形到图像空间以分配解剖标签。图谱估计与非参数变换计算代价高昂，因为它们通常需要数值优化。此外，先前的图谱构建方法常定义模糊图谱与每幅单独图像之间的相似性度量，这可能导致对齐困难，因为模糊图谱与单独图像不同，不呈现清晰的解剖结构。本工作探索使用卷积神经网络（CNN）联合预测图谱以及用于相对于该图谱的微分同胚图像配准的平稳速度场（SVF）参数化。我们的方法不需要仿射预配准，并利用成对图像对齐损失来提高配准精度。我们在来自OAI-ZIB数据集的3D膝关节磁共振图像（MRI）上评估我们的模型。我们的结果表明，所提出的框架比其他最先进的图像配准算法取得更好的性能，支持端到端训练，并在测试时实现快速推理。
引用
@article{arxiv.2202.03563,
title = {Aladdin: Joint Atlas Building and Diffeomorphic Registration Learning with Pairwise Alignment},
author = {Zhipeng Ding and Marc Niethammer},
journal= {arXiv preprint arXiv:2202.03563},
year = {2022}
}
备注
Accepted by CVPR-2022