面向 2-D/3-D 图像配准的度量驱动对应加权学习
计算机视觉与模式识别
2018-10-29 v3
摘要
将术前 3-D 体数据与术中 2-D X 射线图像进行配准在微创医疗程序中十分重要。刚体配准可通过估计优化局部对应对齐的全局刚体运动来完成。然而，不准确的对应会挑战配准性能。为最小化其影响，我们使用 PointNet 估计对应的最优权重。我们以最小化配准误差为准则直接训练网络。我们提出一个包含基于点对面对应的运动估计和投影误差计算的目标函数，从而能够以端到端方式学习出最优契合配准任务底层公式的加权策略。对于单椎体配准，我们达到了 0.740.26 mm 的精度和高度提升的鲁棒性。成功率从 79.3% 提高到 94.3%，捕获范围从 3 mm 提高到 13 mm。
引用
@article{arxiv.1806.07812,
title = {Metric-Driven Learning of Correspondence Weighting for 2-D/3-D Image Registration},
author = {Roman Schaffert and Jian Wang and Peter Fischer and Anja Borsdorf and Andreas Maier},
journal= {arXiv preprint arXiv:1806.07812},
year = {2018}
}
备注
accepted for publication at the German Conference on Pattern Recognition (GCPR) 2018