快速预测式图像配准
计算机视觉与模式识别
2016-07-11 v1
摘要
我们提出一种基于块图像外观预测图像形变的方法。具体地，我们设计了一个基于块的深度编码器-解码器网络，该网络学习图像外观与配准参数之间的像素/体素级映射。我们的方法可以预测一般的形变参数化，但我们将重点放在大形变微分同胚度量映射(LDDMM)配准模型上。通过预测LDDMM动量参数化，我们保留了LDDMM的理想理论性质，同时将计算时间减少了数个数量级：结合块剪枝，与基于GPU的优化相比，我们在2D/3D图像配准上实现了1500x/66x的加速。我们的方法比预测形变或速度场具有更好的预测精度，并产生微分同胚变换。此外，我们创建了网络的贝叶斯概率版本，其允许通过在测试时使用dropout进行蒙特卡洛采样来评估形变场的不确定性。我们表明形变不确定性突出了形变模糊的区域。我们在OASIS脑图像数据集上以2D和3D测试了我们的方法。
引用
@article{arxiv.1607.02504,
title = {Fast Predictive Image Registration},
author = {Xiao Yang and Roland Kwitt and Marc Niethammer},
journal= {arXiv preprint arXiv:1607.02504},
year = {2016}
}