DiffuseReg：基于去噪扩散模型获取非监督可变形图像注册中的变形场
计算机视觉与模式识别
2024-10-08 v1
摘要
可变形图像注册旨在精确对齐来自不同模态或不同时间的医学图像。传统深度学习方法虽然有效，但往往缺乏可解释性、实时可观测性以及在注册推断期间的调整能力。去噪扩散模型作为一种替代方案，通过将注册问题重新表述为迭代图像去噪来实现。然而，现有的扩散注册方法未充分发挥潜力，忽略了能够在推断过程中实现连续可观测性的关键采样阶段。因此，我们引入DiffuseReg，这是一种创新的基于扩散的方法，通过对变形场进行去噪来提高透明度。我们还提出了一种基于Swin Transformer的新型去噪网络，能够更好地整合移动图像和固定图像以及扩散时间步在整个去噪过程中。此外，我们通过一种新型相似性一致性正则化来增强对去噪注册过程的控制。在ACDC数据集上的实验表明，DiffuseReg在Dice评分上比现有扩散注册方法高出1.32。DiffuseReg中的采样过程实现了与以往深度模型无与匹比的实时输出可观测性和调整能力。
引用
@article{arxiv.2410.05234,
title = {DiffuseReg: Denoising Diffusion Model for Obtaining Deformation Fields in Unsupervised Deformable Image Registration},
author = {Yongtai Zhuo and Yiqing Shen},
journal= {arXiv preprint arXiv:2410.05234},
year = {2024}
}
备注
MICCAI 2024, W-AM-067, https://github.com/YutaZhuo/DiffuseReg