PatchMorph：一种基于小图块的无监督3D脑图像配准随机深度学习方法
计算机视觉与模式识别
2024-10-28 v1 机器学习
摘要
我们引入了“PatchMorph”，一种专为无监督3D脑图像配准量身定制的新型随机深度学习算法。与其他方法不同，我们的方法使用固定小尺寸的紧凑图块来推导能够将全局变换与局部形变相结合的解。这种方法不仅最小化了训练期间GPU的内存占用，还使我们能够在推理阶段处理大量随机重叠的小图块，从而缓解图像与图块边界问题。PatchMorph 能够妥善处理两幅输入图像之间的世界坐标变换，适应间距、数组尺寸和方向等属性的差异。图块的空间分辨率从粗到细过渡，解决了对齐图像所需的全局与局部属性。每个图块提供独特的视角，共同收敛至一个全面的解。在人类T1 MRI脑图像和来自连续双光子层析成像的狨猴脑图像上的实验证实了 PatchMorph 的优越性能。
引用
@article{arxiv.2312.06958,
title = {PatchMorph: A Stochastic Deep Learning Approach for Unsupervised 3D Brain Image Registration with Small Patches},
author = {Henrik Skibbe and Michal Byra and Akiya Watakabe and Tetsuo Yamamori and Marco Reisert},
journal= {arXiv preprint arXiv:2312.06958},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication