INSPIRE：基于强度与空间信息的可变形图像配准
计算机视觉与模式识别
2023-03-28 v2
摘要
我们提出 INSPIRE，一种性能领先的通用途经可变形图像配准方法。INSPIRE 将结合强度与空间信息的距离度量引入基于弹性 B 样条的变换模型，并加入逆不一致性惩罚以支持对称配准性能。我们介绍了若干理论与算法方案，提供了高计算效率，从而使所提框架可广泛应用于各类真实场景。我们展示了 INSPIRE 能提供高精度且稳定鲁棒的配准结果。我们在由视网膜图像创建的、以薄结构网络存在为特征的 2D 数据集上评估该方法，INSPIRE 表现优异，大幅优于广泛使用的参考方法。我们还在 Fundus Image Registration Dataset（FIRE）上评估 INSPIRE，该数据集由 134 对分别获取的视网膜图像组成，INSPIRE 在 FIRE 数据集上表现优异，大幅优于若干领域专用方法。我们还在四个脑 3D 磁共振图像基准数据集上评估该方法，共计 2088 次成对配准。与 17 种其他前沿方法的比较表明 INSPIRE 提供最佳综合性能。代码见 http://github.com/MIDA-group/inspire
引用
@article{arxiv.2012.07208,
title = {INSPIRE: Intensity and spatial information-based deformable image registration},
author = {Johan Öfverstedt and Joakim Lindblad and Nataša Sladoje},
journal= {arXiv preprint arXiv:2012.07208},
year = {2023}
}
备注
24 pages, 7 figures, 5 tables