基于空间梯度与含噪分割标签的深度学习配准
计算机视觉与模式识别
2021-04-12 v2 机器学习
图像与视频处理
摘要
图像配准是医学图像分析中最具挑战性的问题之一。近年来，基于深度学习的方法变得相当流行，提供了快速且性能良好的配准策略。在本短文中，我们总结了在 Learn2Reg 2020 挑战赛上展示的工作。我们工作的主要贡献在于：(i) 一种对称公式，同时预测从源到目标及从目标到源的变换，强制所学习的表示相似；(ii) 整合多种公开可用数据集，用于预训练以及扩充分割标签。我们的方法在测试集上任务 3 报告平均 Dice 为 ，任务 4 为 ，在挑战赛中排名第三。我们的代码与模型公开于 https://github.com/TheoEst/abdominal_registration 与 \https://github.com/TheoEst/hippocampus_registration。
引用
@article{arxiv.2010.10897,
title = {Deep learning based registration using spatial gradients and noisy segmentation labels},
author = {Théo Estienne and Maria Vakalopoulou and Enzo Battistella and Alexandre Carré and Théophraste Henry and Marvin Lerousseau and Charlotte Robert and Nikos Paragios and Eric Deutsch},
journal= {arXiv preprint arXiv:2010.10897},
year = {2021}
}
备注
6 pages, 3 figures. Updated version after review modifications. Published to Segmentation, Classification, and Registration of Multi-modality Medical Imaging Data. MICCAI 2020. Lecture Notes in Computer Science, vol 12587