MetaMorph：学习具有外观变化的形变图像变换
计算机视觉与模式识别
2023-03-10 v1
摘要
本文提出一种新颖的预测模型MetaMorph，用于具有外观变化（即由脑肿瘤引起）图像的形变配准。与以往对学习型配准方法对外观变化控制甚少或毫无控制不同，我们的模型引入了一种新的正则化，能有效抑制外观变化区域的负面影响。具体而言，我们通过学习得到异常区域分割图，在微分同胚变换的切空间（亦称初始速度场）上开发分段正则化。几何变换与外观变化被视为互为增益的联合任务。我们的模型MetaMorph在分割引导下进行最优配准解搜索时更鲁棒且更准确，而后者通过提供适当增强的训练标签反过来提升分割性能。我们在真实三维人脑肿瘤磁共振成像（MRI）扫描上验证MetaMorph。实验结果表明，我们的模型优于最先进的学习型配准模型。所提出的MetaMorph在各种图像引导临床干预中具有巨大潜力，例如用于肿瘤切除手术的实时图像引导导航系统。
引用
@article{arxiv.2303.04849,
title = {MetaMorph: Learning Metamorphic Image Transformation With Appearance Changes},
author = {Jian Wang and Jiarui Xing and Jason Druzgal and William M. Wells and Miaomiao Zhang},
journal= {arXiv preprint arXiv:2303.04849},
year = {2023}
}
备注
12 pages, 4 figures, Information Processing in Medical Imaging (IPMI) 2023