面向鲁棒深度学习的可形变注册策略
计算机视觉与模式识别
2025-10-28 v1
摘要
深度学习基于可形变注册的方法近年来备受欢迎。然而，这些方法在训练数据分布之外的泛化能力往往较差，显著限制了其可用性。LUMIR脑部注册挑战（Learn2Reg 2025）旨在通过评估在不同于训练集中所包含的对比度和模态的注册性能来推动该领域的发展。本文描述了我们对该挑战的提交方案，该方案提出一种非常简单却能显著提高鲁棒性的想法：在将图像转换为MIND特征空间后再输入模型。此外，还提出了一种特殊的集成策略，显示出小幅但持续的改进。
引用
@article{arxiv.2510.23079,
title = {Strategies for Robust Deep Learning Based Deformable Registration},
author = {Joel Honkamaa and Pekka Marttinen},
journal= {arXiv preprint arXiv:2510.23079},
year = {2025}
}