LiftReg：有限角度 2D/3D 可变形配准
图像与视频处理
2023-04-05 v2 计算机视觉与模式识别
摘要
我们提出 LiftReg，一种 2D/3D 可变形配准方法。LiftReg 是一种深度配准框架，使用数字重建放射影像（DRR）与计算机断层扫描（CT）图像对集合进行训练。通过使用仿真训练数据，LiftReg 可采用高质量的 CT-CT 图像相似度度量，帮助网络学习高质量的形变空间。为进一步提升配准质量并解决极有限角度采集固有的深度模糊问题，我们提出利用从反投影的 2D 图像中提取的特征与统计形变模型。我们在 DirLab 肺部配准数据集上测试了该方法，结果表明其优于现有的基于学习的成对配准方法。
引用
@article{arxiv.2203.05565,
title = {LiftReg: Limited Angle 2D/3D Deformable Registration},
author = {Lin Tian and Yueh Z. Lee and Raúl San José Estépar and Marc Niethammer},
journal= {arXiv preprint arXiv:2203.05565},
year = {2023}
}
备注
MICCAI 2022