基于区域特定优化（RSO）的深度交互配准
图像与视频处理
2022-03-10 v1 计算机视觉与模式识别
摘要
医学图像配准是一项基础且关键的任务，会影响许多下游临床任务的效能。基于深度学习（DL）的可变形图像配准（DIR）方法已被研究，展现出最先进的性能。测试时优化（TTO）技术被提出以进一步提升DL模型的性能。尽管该TTO技术带来了显著的精度提升，仍存在一些区域即使在多次TTO迭代后仍表现出较大的配准误差。为缓解这一挑战，我们首先明确了TTO技术为何缓慢甚至无法改善这些区域配准结果的原因。随后我们提出了一种两级TTO技术，即图像特定优化（ISO）与区域特定优化（RSO），其中区域可由临床医生在配准结果审阅过程中交互式指定。为兼顾效率与精度，我们进一步构想了一种三步基于DL的图像配准工作流。实验结果表明，我们所提方法在定性与定量上均优于传统方法。
引用
@article{arxiv.2203.04295,
title = {Region Specific Optimization (RSO)-based Deep Interactive Registration},
author = {Ti Bai and Muhan Lin and Xiao Liang and Biling Wang and Michael Dohopolski and Bin Cai and Dan Nguyen and Steve Jiang},
journal= {arXiv preprint arXiv:2203.04295},
year = {2022}
}