具有空间变化自适应正则化的条件可变形图像配准
图像与视频处理
2023-03-21 v1 计算机视觉与模式识别
摘要
基于深度学习的图像配准方法相比传统图像配准方法已展现出具有竞争力的性能和运行时间优势。然而，现有基于学习的方法大多需要针对不同正则化超参数训练单独的模型以进行手动超参数搜索，且通常不允许空间变化正则化。在本工作中，我们提出了一种基于新颖的条件空间自适应实例归一化（CSAIN）的基于学习的配准方法来应对这些挑战。所提方法引入了空间变化正则化，并通过 CSAIN 将配准网络以超参数矩阵为条件，从而学习其实现空间自适应正则化的效果。这使得在推理时可改变空间自适应正则化，以使用单个预训练模型获得多个合理的形变。此外，所提方法支持自动超参数优化，避免了手动超参数搜索。实验表明，我们提出的方法在实现空间变化和自适应正则化的同时优于基线方法。
引用
@article{arxiv.2303.10700,
title = {Conditional Deformable Image Registration with Spatially-Variant and Adaptive Regularization},
author = {Yinsong Wang and Huaqi Qiu and Chen Qin},
journal= {arXiv preprint arXiv:2303.10700},
year = {2023}
}
备注
5 pages, 5 figures, 1 tables. The paper is accepted by the IEEE International Symposium on Biomedical Imaging (ISBI) 2023