基于拉普拉斯金字塔网络的大变形微分同胚图像配准
图像与视频处理
2020-07-01 v2 计算机视觉与模式识别
摘要
基于深度学习的方法近来在可变形图像配准的广泛医学图像分析任务中展现出有前景的结果。然而，现有基于深度学习的方法通常局限于小变形设定，且这些方法常忽略变换的期望性质，包括双射映射与拓扑保持。本文中，我们提出一种深度拉普拉斯金字塔图像配准网络，它能在微分同胚映射空间内以由粗到精的方式求解图像配准优化问题。在两个 MR 脑扫描数据集上的大量定量与定性评估表明，我们的方法在显著优于现有方法的同时，保持了期望的微分同胚性质与良好的配准速度。
引用
@article{arxiv.2006.16148,
title = {Large Deformation Diffeomorphic Image Registration with Laplacian Pyramid Networks},
author = {Tony C. W. Mok and Albert C. S. Chung},
journal= {arXiv preprint arXiv:2006.16148},
year = {2020}
}
备注
Paper accepted by MICCAI 2020