深度学习用于医学图像配准：全面综述
图像与视频处理
2022-04-26 v1 计算机视觉与模式识别
机器学习
摘要
图像配准是各种医学图像分析应用中的关键组成部分。近年来，基于深度学习（DL）的医学图像配准模型发展迅猛。本文提供医学图像配准的全面综述。首先，对监督配准类别进行讨论，例如全监督、双监督与弱监督配准。接下来，作为无监督配准的一部分，介绍了基于相似度以及基于生成对抗网络（GAN）的配准。然后描述深度迭代配准，重点在于基于深度相似度与基于强化学习的配准。此外，综述了医学图像配准的应用领域。本综述聚焦于单模态与多模态配准及相关成像，例如 X 射线、CT 扫描、超声与 MRI。本综述强调了现有挑战，其中表明一个主要挑战是缺乏具有已知变换的训练数据集。最后，对基于 DL 的医学图像配准领域中有前景的未来研究方向进行了讨论。
引用
@article{arxiv.2204.11341,
title = {Deep Learning for Medical Image Registration: A Comprehensive Review},
author = {Subrato Bharati and M. Rubaiyat Hossain Mondal and Prajoy Podder and V. B. Surya Prasath},
journal= {arXiv preprint arXiv:2204.11341},
year = {2022}
}
备注
18 pages, 7 figures