基于补丁全卷积网络的快速微分同胚图像配准
计算机视觉与模式识别
2024-05-07 v2
摘要
微分同胚图像配准是医学图像分析中的基本步骤，因为它能确保变换的可逆性和拓扑保持。目前，基于无监督学习的配准技术主要在图像级别提取特征，这可能限制了其有效性。本文提出了一种新颖的基于无监督学习的全卷积网络(FCN)框架，用于快速微分同胚图像配准，重点在于图像补丁级别的特征获取。此外，引入了一种新颖的微分算子，并将其集成到FCN架构中进行参数学习。在三个不同的T1加权磁共振成像(T1w MRI)数据集上进行了实验。与三种最先进的微分同胚图像配准方法（包括一种典型的传统配准算法和两种代表性的基于无监督学习的方法）的比较分析表明，所提出的方法在配准精度和拓扑保持方面均表现出优越的性能。
引用
@article{arxiv.2404.04244,
title = {Fast Diffeomorphic Image Registration using Patch based Fully Convolutional Networks},
author = {Jiong Wu and Shuang Zhou and Li Lin and Xin Wang and Wenxue Tan},
journal= {arXiv preprint arXiv:2404.04244},
year = {2024}
}