Cross-Sim-NGF：基于 FFT 利用归一化梯度场进行图像体数据全局刚性多模态配准
图像与视频处理
2024-10-28 v1 计算机视觉与模式识别
摘要
多模态图像配准旨在寻找外观与结构均不同的体数据之间的空间对应关系。自动化配准方法常基于局部优化，对初始化高度敏感。我们提出一种用于刚性多模态三维图像配准的全局优化方法，其基于一种在频域计算归一化梯度场（NGF）相似度的新颖高效算法。我们在由 20 个以四种模态（T1w、Flair、CT、[18F] FDG PET）采集的脑体数据构成的数据集上进行了实验验证，这些数据进行已知变换的仿真位移。所提方法在所有六种可能的模态组合上均表现出优异性能，并以较大优势优于全部四种参考方法。该方法快速；一次 340 万体素的全局刚性配准约需 40 秒计算量，且所提算法相比同一任务的直接算法快三个数量级以上。我们提供了开源实现。
引用
@article{arxiv.2110.10156,
title = {Cross-Sim-NGF: FFT-Based Global Rigid Multimodal Alignment of Image Volumes using Normalized Gradient Fields},
author = {Johan Öfverstedt and Joakim Lindblad and Nataša Sladoje},
journal= {arXiv preprint arXiv:2110.10156},
year = {2024}
}
备注
5 pages, 3 figures, 3 tables. This work has been submitted to the IEEE for possible publication