一种用于婴儿脑 MRI 的自上下文可变形配准网络
计算机视觉与模式识别
2020-07-07 v2
摘要
可变形图像配准是纵向与群体分析的基础。由于脑发育伴随图像外观的快速变化,婴儿脑 MR 图像的几何对齐具有挑战性。本文提出一种专用于婴儿的深度学习配准网络,该网络利用自上下文(auto-context)策略逐步细化形变场以获得高度准确的对应关系。我们的方法并非训练多个配准网络,而是通过多次调用单一网络进行迭代形变细化来估计形变场。最终形变场由形变场的增量复合得到。与 SOTA 配准方法的实验对比表明,我们的方法在保持形变场平滑性的同时实现了更高的精度。我们的实现已在线公开。
引用
@article{arxiv.2005.09230,
title = {An Auto-Context Deformable Registration Network for Infant Brain MRI},
author = {Dongming Wei and Sahar Ahmad and Yunzhi Huang and Lei Ma and Zhengwang Wu and Gang Li and Li Wang and Qian Wang and Pew-Thian Yap and Dinggang Shen},
journal= {arXiv preprint arXiv:2005.09230},
year = {2020}
}