基于无监督深度神经网络医学图像配准的范围综述
图像与视频处理
2022-08-04 v1 计算机视觉与模式识别
摘要
在医学领域,图像配准在影像引导介入和其他临床应用中至关重要。然而,这是一个难以解决的问题,随着机器学习的出现,近期该领域在医学图像配准算法性能上取得了显著进展。深度神经网络的实现为某些医学应用提供了机遇,例如以更短时间高精度地完成图像配准,在术中对抗肿瘤方面发挥关键作用。本研究对基于无监督深度神经网络的医学图像配准前沿文献进行了全面的范围综述,涵盖了迄今为止该领域发表的所有相关研究。在此,我们试图总结无监督深度学习配准方法在医学领域的最新进展与应用。基础与主要概念、技术、不同视角的统计分析、新颖性以及未来方向均在本全面范围综述中详尽讨论与阐述。此外,本综述希望帮助热衷此领域的读者深入洞察这一令人振奋的领域。
引用
@article{arxiv.2208.01825,
title = {Medical image registration using unsupervised deep neural network: A scoping literature review},
author = {Samaneh Abbasi and Meysam Tavakoli and Hamid Reza Boveiri and Mohammad Amin Mosleh Shirazi and Raouf Khayami and Hedieh Khorasani and Reza Javidan and Alireza Mehdizadeh},
journal= {arXiv preprint arXiv:2208.01825},
year = {2022}
}