基于混合损失的脑MR图像可变形配准
图像与视频处理
2021-12-21 v2 计算机视觉与模式识别
摘要
由于缺乏形变场真值，无监督学习策略被广泛用于可变形配准模型。这些模型通常依赖基于强度的相似性损失来实现学习收敛。尽管取得了成功，这种依赖仍不充分。对于单模态图像的可变形配准，对齐良好的两幅图像不仅具有难以区分的强度差异，而且在统计分布和边界区域上也相近。考虑到精心设计的损失函数可促使学习模型达到理想收敛，我们通过混合损失整合多种图像特征，学习了一个用于T1加权MR图像的可变形配准模型。我们的方法以高精度配准OASIS数据集，同时保持形变平滑。
引用
@article{arxiv.2110.15027,
title = {Deformable Registration of Brain MR Images via a Hybrid Loss},
author = {Luyi Han and Haoran Dou and Yunzhi Huang and Pew-Thian Yap},
journal= {arXiv preprint arXiv:2110.15027},
year = {2021}
}
备注
Ranked fifth on the brain T1w deformable registration task organized by the MICCAI 2021 Learn2Reg challenge