医学图像配准中的深度学习：导论与综述
图像与视频处理
2024-01-11 v2 计算机视觉与模式识别
机器学习
摘要
图像配准（IR）是一种使图像发生形变以相对于参考空间对齐的过程，使医学从业者更容易在标准化参考框架（例如具有相同的旋转和尺度）中检查各种医学图像。本文档使用一个简单数值示例介绍图像配准，给出了图像配准的定义以及面向空间的符号表示。本综述涵盖了图像变换的各个方面，包括仿射、可形变、可逆和双向变换，以及医学图像配准算法如 Voxelmorph、Demons、SyN、Iterative Closest Point 和 SynthMorph。它还探讨了基于图谱的配准和多阶段图像配准技术，包括由粗到细和金字塔方法。此外，本综述论文讨论了医学图像配准的分类法、数据集、评估度量，如基于相关性的指标、基于分割的指标、处理时间和模型大小。它还探讨了在图像引导手术、运动跟踪和肿瘤诊断中的应用。最后，本文档讨论了未来研究方向，包括 transformer 的进一步发展。
引用
@article{arxiv.2309.00727,
title = {Deep learning in medical image registration: introduction and survey},
author = {Ahmad Hammoudeh and Stéphane Dupont},
journal= {arXiv preprint arXiv:2309.00727},
year = {2024}
}