使用自由点变换器网络的多模态生物医学图像配准
计算机视觉与模式识别
2020-08-06 v1 机器学习
图像与视频处理
摘要
我们描述了一种基于新颖自由点变换器（FPT）网络的点集配准算法，该算法专为从多模态生物医学图像提取的点设计，用于配准任务，例如超声引导介入手术中经常遇到的任务。FPT由一个接受可变大小的无序源点集和目标点集的全局特征提取器构成。提取的特征由一个共享的多层感知机点变换器模块调节，以预测每个源点的位移向量，将其变换到目标空间。该点变换器模块在预测空间变换时不假设邻近性或平滑性，并且与全局特征提取器一起以数据驱动的方式通过无监督损失函数训练。在使用前列腺MR和稀疏采集的超声图像的多模态配准任务中，FPT取得了与其他刚性和非刚性配准方法相当或更好的结果。这展示了FPT直接从真实临床训练数据学习配准并泛化到如所述介入应用等挑战性任务的通用性。
引用
@article{arxiv.2008.01885,
title = {Multimodality Biomedical Image Registration using Free Point Transformer Networks},
author = {Zachary M. C. Baum and Yipeng Hu and Dean C. Barratt},
journal= {arXiv preprint arXiv:2008.01885},
year = {2020}
}
备注
10 pages, 4 figures. Accepted for publication at International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI) workshop on Advances in Simplifying Medical UltraSound (ASMUS) 2020