利用梯度相关性微调TransMorph实现解剖对齐
图像与视频处理
2024-12-31 v1 人工智能
计算机视觉与模式识别
摘要
无监督深度学习是脑MRI配准中一种有前景的方法，可减少对解剖标签的依赖，同时仍能实现解剖上准确的变换。针对Learn2Reg2024 LUMIR挑战，我们提出对预训练的TransMorph模型进行微调，以提高收敛稳定性和变形平滑性。前者通过FAdam优化器实现，后者通过在相似性度量中加入梯度相关性来纳入结构变化的一致性，从而改善解剖对齐。结果表明，与基线TransMorph模型相比，Dice和HdDist95分数略有提升，且NDV显著降低。这些结果也通过检查组织边界得到了证实。我们提出的方法凸显了在患者间脑MRI配准中引入梯度相关性以实现更平滑且结构一致变形的有效性。
引用
@article{arxiv.2412.20822,
title = {Fine-Tuning TransMorph with Gradient Correlation for Anatomical Alignment},
author = {Lukas Förner and Kartikay Tehlan and Thomas Wendler},
journal= {arXiv preprint arXiv:2412.20822},
year = {2024}
}