通过用学习基函数的线性组合建模局部函数依赖实现图像配准的新多模态相似性度量
计算机视觉与模式识别
2025-11-04 v2
摘要
不同模态图像的可变形配准在许多医学成像应用中至关重要，但仍然具有挑战性。主要挑战在于，尽管待比较图像捕捉的是底层组织的不同方面，仍需开发一种稳健的图像重叠度量。在此，我们探索基于配准图像强度值之间函数依赖的相似性度量。尽管函数依赖在全局尺度上限制过强，但早期工作表明，当此类度量应用于足够小的上下文时，在可变形配准中具有竞争力的性能。我们证实了这一发现，并通过用线性基函数模型建模局部函数依赖进一步发展了该思想，其中基函数与形变联合学习。该度量可通过卷积实现，使其在 GPU 上计算高效。我们将该方法作为易用工具发布，并在三个数据集上表现出良好性能，优于成熟的基线方法和早期基于函数依赖的方法。
引用
@article{arxiv.2503.05335,
title = {New multimodal similarity measure for image registration via modeling local functional dependence with linear combination of learned basis functions},
author = {Joel Honkamaa and Pekka Marttinen},
journal= {arXiv preprint arXiv:2503.05335},
year = {2025}
}
备注
Improved experimental setup