MomentaMorph：基于动量、测地射击与校正的无监督时空配准
图像与视频处理
2023-08-08 v1 计算机视觉与模式识别
医学物理
摘要
标记磁共振成像（tMRI）数十年来被用于测量发生形变的组织运动。然而，由于此类图像中的周期性图案，尤其当运动较大时，基于配准的 tMRI 运动估计十分困难。运动越大，配准方法越易陷入局部最优，导致运动估计误差。我们提出一种新颖的“动量、射击与校正”框架，用于存在重复图案与大运动情况下的拉格朗日运动估计。该框架立足于李代数与李群原理，在切向量空间中累积动量，并在微分同胚空间中利用指数映射快速逼近真实最优解，从而规避局部最优。随后的校正步骤确保收敛至真实最优。在 2D 合成数据集与真实 3D tMRI 数据集上的结果表明，我们的方法能在大幅运动与重复图案中高效估计准确、稠密且微分同胚的 2D/3D 运动场。
引用
@article{arxiv.2308.02949,
title = {MomentaMorph: Unsupervised Spatial-Temporal Registration with Momenta, Shooting, and Correction},
author = {Zhangxing Bian and Shuwen Wei and Yihao Liu and Junyu Chen and Jiachen Zhuo and Fangxu Xing and Jonghye Woo and Aaron Carass and Jerry L. Prince},
journal= {arXiv preprint arXiv:2308.02949},
year = {2023}
}
备注
Accepted by MICCAI Workshop 2023: Time-Series Data Analytics and Learning (MTSAIL)