FSDiffReg：面向心脏图像的特征级与分数级扩散引导无监督可变形图像配准
计算机视觉与模式识别
2023-07-25 v1
摘要
无监督可变形图像配准是医学影像中的挑战性任务之一。在一系列基于深度学习的解决方案中，在获得高质量形变场的同时保持形变拓扑仍十分困难。同时，扩散模型的潜在特征空间在建模形变语义方面展现出潜力。为充分挖掘扩散模型引导配准任务的能力，我们提出两个模块：特征级扩散引导模块（FDG）与分数级扩散引导模块（SDG）。具体而言，FDG利用扩散模型的多尺度语义特征引导形变场的生成；SDG利用扩散分数引导优化过程以几乎不增加额外计算量地保持形变拓扑。在三维医学心脏图像配准任务上的实验结果验证了我们的模型能够有效提供拓扑保持的精细化形变场。代码见：https://github.com/xmed-lab/FSDiffReg.git。
引用
@article{arxiv.2307.12035,
title = {FSDiffReg: Feature-wise and Score-wise Diffusion-guided Unsupervised Deformable Image Registration for Cardiac Images},
author = {Yi Qin and Xiaomeng Li},
journal= {arXiv preprint arXiv:2307.12035},
year = {2023}
}
备注
Accepted as a conference paper at Medical Image Computing and Computer-Assisted Intervention (MICCAI) conference 2023