NCA-Morph：基于神经细胞自动机的医学图像配准
计算机视觉与模式识别
2024-10-30 v1
摘要
医学图像配准是对齐不同患者扫描图像的关键过程，有助于诊断、手术规划和追踪等任务。传统的基于优化的方法速度较慢，这促使人们使用深度学习技术，如 VoxelMorph 和基于 Transformer 的策略，以获得更快的配准结果。然而，这些深度学习方法通常需要大量的资源。为应对这些挑战，我们提出了 NCA-Morph，这是一种创新方法，通过神经细胞自动机将深度学习与受生物启发的通信和网络方法无缝融合。NCA-Morph 不仅利用深度学习的能力进行高效的图像配准，还随时间在细胞与相应体素之间建立局部通信网络，模拟在生命系统中观察到的相互作用。在我们广泛的实验中，我们对 NCA-Morph 在三个不同的 3D 配准任务上进行了评估，包括来自健康和患病患者的脑部、前列腺和海马体图像。结果表明，NCA-Morph 能够实现最先进的性能。值得注意的是，NCA-Morph 作为一种轻量级架构脱颖而出，其参数显著减少；比 VoxelMorph 和 TransMorph 分别少 60% 和 99.7%。这一特性使 NCA-Morph 成为资源受限的医疗应用（如初级保健机构和手术室）的理想解决方案。
引用
@article{arxiv.2410.22265,
title = {NCA-Morph: Medical Image Registration with Neural Cellular Automata},
author = {Amin Ranem and John Kalkhof and Anirban Mukhopadhyay},
journal= {arXiv preprint arXiv:2410.22265},
year = {2024}
}