D-Net：基于连体网络与互注意力的体数据配准方法
图像与视频处理
2021-01-26 v1 计算机视觉与模式识别
摘要
对比增强与非对比增强影像的配准在多种生物医学应用中对变化量化至关重要。特别是，从胫骨的对比增强计算机断层扫描（CT）中提取软骨形状需要骨骼的精确配准，目前靠人工完成。现有的基于深度学习的配准方法需要通用模板或旋转范围有限。因此，我们提出一种新颖的网络 D-net，用于估计 3D CT 扫描间的任意旋转与平移，且不需要先验标准模板。D-net 是分支连体编码器-解码器结构的扩展，通过新的互非局部连接相连，可高效捕获两分支间相似特征的长程关联。该 3D 监督网络使用小鼠胫骨带与不带软骨对比增强的临床前 CT 扫描进行训练与验证。所呈现的结果表明，在 CT 配准估计上有显著改进，优于当前可比方法。
引用
@article{arxiv.2101.10248,
title = {D-Net: Siamese based Network with Mutual Attention for Volume Alignment},
author = {Jian-Qing Zheng and Ngee Han Lim and Bartlomiej W. Papiez},
journal= {arXiv preprint arXiv:2101.10248},
year = {2021}
}
备注
this uploaded manuscript is another version of which published in: International Workshop on Shape in Medical Imaging, Springer, 2020, pp. 73-84