BIRNet：基于双重监督全卷积网络的脑图像配准
计算机视觉与模式识别
2018-02-14 v1
摘要
本文提出一种通过从图像外观预测形变来实现图像配准的深度学习方法。由于获取用于训练的ground-truth形变场可能具有挑战性，我们设计了一个受双重引导的全卷积网络：(1) 使用现有配准方法获得的形变场进行粗引导；(2) 使用图像相似度进行细引导。后一种引导有助于避免对训练形变场监督的过度依赖，因为后者可能不准确。为有效训练，我们进一步通过间隙填充、分层损失和多源策略改进深度卷积网络。在多种数据集上的实验表明，与最先进的方法相比，该方法具有令人满意的配准精度与效率。
引用
@article{arxiv.1802.04692,
title = {BIRNet: Brain Image Registration Using Dual-Supervised Fully Convolutional Networks},
author = {Jingfan Fan and Xiaohuan Cao and Pew-Thian Yap and Dinggang Shen},
journal= {arXiv preprint arXiv:1802.04692},
year = {2018}
}