GSMorph：用于心脏电影 MRI 可变形配准的梯度手术方法
图像与视频处理
2023-07-21 v2 计算机视觉与模式识别
摘要
基于深度学习的可变形配准方法已在多种医学应用中被广泛研究。基于学习的可变形配准依赖于加权目标函数，在配准精度与形变场平滑性之间权衡。因此，它们不可避免地需要调节超参数以获得最优配准性能。超参数调节计算代价极高，并引入对领域知识的不必要依赖。本研究构建了一种基于梯度手术机制的配准模型，名为 GSMorph，以在无超参数情况下实现多损失间的平衡。在 GSMorph 中，我们通过将相似度损失的梯度正交投影到与平滑性约束相关的平面上来重构优化过程，而非额外引入超参数来平衡这两个竞争项。此外，我们的方法模型无关，可融入任何深度配准网络而不引入额外参数或拖慢推理。在本研究中，我们在两个公开可用的心脏 MRI 数据集上将我们的方法与最先进（SOTA）可变形配准方法比较。GSMorph 在配准精度与平滑性上均优于五种 SOTA 基于学习的配准模型及两种传统配准技术 SyN 和 Demons。
引用
@article{arxiv.2306.14687,
title = {GSMorph: Gradient Surgery for cine-MRI Cardiac Deformable Registration},
author = {Haoran Dou and Ning Bi and Luyi Han and Yuhao Huang and Ritse Mann and Xin Yang and Dong Ni and Nishant Ravikumar and Alejandro F. Frangi and Yunzhi Huang},
journal= {arXiv preprint arXiv:2306.14687},
year = {2023}
}
备注
Accepted at MICCAI 2023