基于快速图割优化的实用体图像密集可变形配准
计算机视觉与模式识别
2018-10-22 v1
摘要
目的：可变形图像配准是医学图像分析中的基本问题，其应用包括纵向研究、群体建模以及基于图谱的图像分割。配准通常被表述为一个优化问题，即寻找根据给定目标函数最优的形变场。离散组合优化技术已成功用于求解由此产生的优化问题。具体而言，基于最小图割的 α-扩张优化已被提出作为图像配准的有力工具。然而，基于图割的优化方法的高计算成本限制了该方法在大型体图像配准中的实用性。方法：在此，我们提出通过将图像划分为重叠子区域并每次将 α-扩张移动限制于单个子区域来加速基于图割的可变形配准。结果：我们经验性地证明，该方法可在解质量仅有微小损失的情况下大幅减少计算时间——从数天减少到数分钟。结论：所提方法带来的计算时间减少使得基于图割的可变形配准在大型体图像上可行。意义：基于图割的图像配准此前已被证明能产生优异结果，但高计算成本阻碍了该方法在大型医学体图像配准中的采用。我们提出的方法消除了这一限制，仅需极小部分的计算成本即可产生质量相当的结果。
引用
@article{arxiv.1810.08427,
title = {Fast Graph-Cut Based Optimization for Practical Dense Deformable Registration of Volume Images},
author = {Simon Ekström and Filip Malmberg and Håkan Ahlström and Joel Kullberg and Robin Strand},
journal= {arXiv preprint arXiv:1810.08427},
year = {2018}
}