快速预测式简化测地回归
计算机视觉与模式识别
2017-11-17 v1 人工智能
摘要
可变形图像配准与回归是医学图像分析中的重要任务。然而，它们计算代价高昂，尤其在分析包含数千幅图像的大规模数据集时。因此通常采用集群计算，使这些方法依赖于此类计算基础设施。随着研究规模增大，需要更大的计算资源。这限制了可变形图像配准与回归在临床应用以及作为其他图像分析方法组成算法的使用。因此我们提出使用快速预测方法执行图像配准。具体而言，我们利用这些快速配准预测来近似一个简化测地回归模型，以捕捉纵向脑变化。所得方法比标准基于优化的回归模型快数个数量级，从而在单个图形处理单元（GPU）上便利大规模分析。我们在来自 ADNI 数据集的 3D 脑磁共振图像（MRI）上评估了我们的结果。
引用
@article{arxiv.1711.05766,
title = {Fast Predictive Simple Geodesic Regression},
author = {Zhipeng Ding and Greg Fleishman and Xiao Yang and Paul Thompson and Roland Kwitt and Marc Niethammer},
journal= {arXiv preprint arXiv:1711.05766},
year = {2017}
}
备注
19 pages, 10 figures, 13 tables