使用随机图像预训练可变形图像配准网络
计算机视觉与模式识别
2025-06-02 v1
摘要
基于深度学习的医学图像配准的最新进展表明，训练深度神经网络（DNN）不一定需要医学图像。先前的工作表明，在具有精心设计的噪声和对比度属性的随机生成图像上训练的 DNN，仍然能够很好地泛化到未见过的医学数据。基于这一见解，我们提出使用随机图像之间的配准作为代理任务，来预训练一个用于图像配准的基础模型。实验结果表明，我们的预训练策略提高了配准精度，减少了实现有竞争力的性能所需的特定领域数据量，并加速了下游训练期间的收敛，从而提高了计算效率。
引用
@article{arxiv.2505.24167,
title = {Pretraining Deformable Image Registration Networks with Random Images},
author = {Junyu Chen and Shuwen Wei and Yihao Liu and Aaron Carass and Yong Du},
journal= {arXiv preprint arXiv:2505.24167},
year = {2025}
}
备注
Accepted by MIDL 2025. Code available at https://github.com/junyuchen245/Pretraining_Image_Registration_DNNs