大规模无监督脑部 MRI 图像配准解决方案用于 Learn2Reg 2024
计算机视觉与模式识别
2024-09-05 v2
摘要
本文总结了我们为 Learn2Reg 2024 挑战中 Task 2 提出的方法和实验结果。该任务聚焦于在不同患者之间的脑部 MRI 图像中进行解剖结构的无监督配准。其难点在于：(1)没有分割标签，(2)数据量大。为解决这些挑战，我们构建了一个高效的主干网络，并探索了多种方案进一步提高配准精度。在 NCC 损失函数和光滑正则化损失函数的指导下，我们获得了平滑且合理的变形场。根据排行榜，我们的方法实现了 77.34% 的 Dice 系数，比 TransMorph 高出 1.4%。总体而言，我们在 Task 2 的排行榜上获得了第二名成绩。
引用
@article{arxiv.2409.00917,
title = {Large Scale Unsupervised Brain MRI Image Registration Solution for Learn2Reg 2024},
author = {Yuxi Zhang and Xiang Chen and Jiazheng Wang and Min Liu and Yaonan Wang and Dongdong Liu and Renjiu Hu and Hang Zhang},
journal= {arXiv preprint arXiv:2409.00917},
year = {2024}
}
备注
MICCAI Learn2Reg 2024 Challenge & WBIR 2024 Workshop on Biomedical Imaging Registration