基于信息论并显式重定向下扩散加权图像的配准方法
计算机视觉与模式识别
2021-07-12 v4
摘要
我们提出一种信息论方法用于具有方向信息的图像配准，特别是针对扩散加权图像（DWI），并在方向尺度上进行显式优化。我们称之为无局部顺序方向配准（LORD）。我们聚焦于归一化互信息作为 DWI 的鲁棒信息论相似性度量。该框架是 LOR-DWI 基于密度的分层尺度空间模型的扩展，其变化并优化积分、空间、方向和强度尺度。由于仿射变换不足以用于受试者间配准，我们将模型扩展到非刚性形变。我们阐明所提模型能正确形变取向分布函数（ODF），并能够处理 DWI 配准中经典复杂挑战，例如沿接触、扇出和交错纤维的纤维交叉的配准。我们的实验结果清晰地展示出一种新颖而有前景的正则化效应，它源自基于非线性取向的代价函数。我们展示了不同图像尺度的性质，并表明在我们的模型中纳入取向信息使模型相较于标准基于标量的配准更擅长恢复形变。
引用
@article{arxiv.1905.12056,
title = {Information-Theoretic Registration with Explicit Reorientation of Diffusion-Weighted Images},
author = {Henrik Grønholt Jensen and François Lauze and Sune Darkner},
journal= {arXiv preprint arXiv:1905.12056},
year = {2021}
}
备注
16 pages, 19 figures