用于无监督三维脑图像配准的概率多层正则化网络
计算机视觉与模式识别
2019-07-04 v1
摘要
脑图像配准将一对图像变换到具有匹配成像内容的同一坐标系中，对脑图像分析至关重要。本文提出一种通过捕获未对齐图像与参考图像之间特征级变换关系的无监督三维脑图像配准新框架。为此，我们建立了特征级概率模型，对由两个输入图像构建的两个深度卷积神经网络的隐藏层提供直接正则化。该模型设计被扩展到这两个网络的多个层，以在不同层次捕获变换关系。我们采用两个常用的三维脑图像配准基准数据集并进行多种实验来评估我们的方法。实验结果表明，我们的方法在两个基准数据集上均以较大优势明显优于当前最优方法。
引用
@article{arxiv.1907.01922,
title = {Probabilistic Multilayer Regularization Network for Unsupervised 3D Brain Image Registration},
author = {Lihao Liu and Xiaowei Hu and Lei Zhu and Pheng-Ann Heng},
journal= {arXiv preprint arXiv:1907.01922},
year = {2019}
}
备注
Accepted at MICCAI 2019