IMITATE：基于上下文的数据图像注册用于未知时间帧恢复
计算机视觉与模式识别
2025-05-16 v1 图像与视频处理
摘要
本文提出一种新颖的数据图像注册形式，专用于从两个或更多已知图像及其相关条件的估计未知条件相关图像。我们展示了如何通过一种新的条件U-Net架构来实际建模该形式，该架构充分考虑条件信息且不需要任何固定图像。我们将该形式应用于肺部腹部区域的4D-CT（3D+t）扫描中使用不同呼吸幅度进行放射治疗的移动肿瘤图像。在这一驱动应用中，由于患者呼吸不规则、滞后性以及呼吸信号与内部运动的关联性差，标准方法进行的运动插值会在拼接的体积中产生众所周知的重建伪影。4D-CT临床数据的结果表明，通过实现实时延迟，MITATE方法实现了无伪影的体积。该代码已公开 availability 在 https://github.com/Kheil-Z/IMITATE。
引用
@article{arxiv.2505.10124,
title = {IMITATE: Image Registration with Context for unknown time frame recovery},
author = {Ziad Kheil and Lucas Robinet and Laurent Risser and Soleakhena Ken},
journal= {arXiv preprint arXiv:2505.10124},
year = {2025}
}
备注
IEEE ISBI 2025