卷积神经网络与可变形图像配准在医学切片插值中的比较
图像与视频处理
2020-04-30 v1 其他计算机科学
摘要
医学图像切片插值是一个活跃的研究领域。该任务的方法可分为两大类：基于强度的方法和基于对象的方法。虽然基于强度的方法通常更易实施且计算开销更小，但基于对象的方法能够产生更准确的结果，并能刻画切片内对象的可变形变化。本文分析并比较了两种著名的基于对象的插值方法的性能。此处考虑了一种专为医学应用设计的可变形配准方法，以及一种为视频帧插值训练的学习型方法。尽管基于可变形配准的技术能够准确建模切片内对象形状的变化，但学习型方法能够以相似的精度生成结果，且外观更锐利，耗时仅为其一小部分。尽管学习型方法并未在医学图像上训练，而是使用常规视频片段训练，但实验表明该方法能够获得准确的切片插值结果。
引用
@article{arxiv.2004.13784,
title = {Convolutional Neural Networks vs. Deformable Image Registration For Medical Slice Interpolation},
author = {Dilip Kumar Verma and Ahmadreza Baghaie},
journal= {arXiv preprint arXiv:2004.13784},
year = {2020}
}
备注
Submitted to LISAT 2020