使用无需训练数据的自监督全卷积网络进行非刚性图像配准
计算机视觉与模式识别
2018-01-15 v1
摘要
一种新颖的非刚性图像配准算法构建于全卷积网络(FCN)之上，在自监督学习框架中优化并学习待配准图像对之间的空间变换。与大多数现有的基于深度学习的图像配准方法从具有已知对应空间变换的训练数据中学习空间变换不同，我们的方法通过最大化固定图像与形变后移动图像之间的图像相似度度量来直接估计图像对之间的空间变换，类似于传统的图像配准算法。该图像配准在多分辨率图像配准框架中实现，通过典型的前向传播和反向传播计算，以深度自监督方式在不同空间分辨率上联合优化并学习空间变换和 FCN。所提方法已在三维结构脑磁共振(MR)图像配准中得到评估，并取得了优于最先进图像配准算法的性能。
引用
@article{arxiv.1801.04012,
title = {Non-Rigid Image Registration Using Self-Supervised Fully Convolutional Networks without Training Data},
author = {Hongming Li and Yong Fan},
journal= {arXiv preprint arXiv:1801.04012},
year = {2018}
}
备注
Accepted by IEEE International Symposium on Biomedical Imaging 2018 (ISBI'18)