用于交互式医学图像配准的元学习初始化
图像与视频处理
2022-10-28 v1 计算机视觉与模式识别
机器学习
摘要
我们提出了一种用于交互式医学图像配准的元学习框架。我们提出的框架包含三个部分：基于学习的医学图像配准算法、在推理阶段优化配准的用户交互形式，以及学习快速适应网络初始化的元学习协议。本文描述了一种具体的算法，该算法为我们的示例临床应用实现了配准、交互和元学习协议：将磁共振（MR）成像与交互式采集的稀疏采样经直肠超声（TRUS）图像进行配准。我们的方法获得了与性能最佳的非交互式基于学习的 3D 到 3D 方法相当的配准误差（4.26 mm 对 3.97 mm），同时仅需少量数据，并在采集过程中实时进行。将稀疏采样数据应用于非交互式方法会产生更高的配准误差（6.26 mm），这证明了交互式 MR-TRUS 配准的有效性，鉴于适应过程的实时性，该方法可应用于术中。
引用
@article{arxiv.2210.15371,
title = {Meta-Learning Initializations for Interactive Medical Image Registration},
author = {Zachary M. C. Baum and Yipeng Hu and Dean Barratt},
journal= {arXiv preprint arXiv:2210.15371},
year = {2022}
}
备注
11 pages, 10 figures. Paper accepted to IEEE Transactions on Medical Imaging (October 26 2022)