TLRN: Temporal Latent Residual Networks For Large Deformation Image Registration
计算机视觉与模式识别
2026-01-13 v3 图像与视频处理
摘要
本文提出了一种新方法，称为 Temporal Latent Residual Network (TLRN)，用于预测时间序列图像注册中的变形场序列。时间序列图像注册的挑战往往在于大位移的发生，尤其是当图像与参考图像（例如心脏周期开始时）与峰值拉估阶段有显著差异时。为实现准确且稳健的注册结果，我们利用运动连续性的特性， exploits 时间连续图像帧中的 temporal smoothness。我们提出的 TLRN 包含一个 temporal residual network，其中在潜在变形空间中设计了残差块，这些残差块由 time-sequential initial velocity fields 参数化。我们将一系列残差块在时间上的序列视为一个 dynamic training system，其中每个块被设计来学习 desired deformation features 与当前输入（来自前一时间帧的累积）之间的 residual function。我们在 synthetic data 和 real-world cine 心脏磁共振 (CMR) 图像视频上验证了 TLRN 的有效性。我们的实验结果表明，TLRN 能够在准确度上显著优于当前最先进的方法。我们的代码已公开于 https://github.com/nellie689/TLRN。
引用
@article{arxiv.2407.11219,
title = {TLRN: Temporal Latent Residual Networks For Large Deformation Image Registration},
author = {Nian Wu and Jiarui Xing and Miaomiao Zhang},
journal= {arXiv preprint arXiv:2407.11219},
year = {2026}
}
备注
10 pages. Accepted by MICCAI 2024