基于图谱配准的深度学习用于人胚胎脑分割与空间对齐
图像与视频处理
2020-05-14 v1 计算机视觉与模式识别
机器学习
摘要
我们提出一种无监督深度学习方法用于基于图谱的配准，以在单一框架中实现胚胎脑的分割与空间对齐。我们的方法由两个顺序网络组成，并带有专门设计的损失函数，以应对 3D 早孕超声中的挑战。第一部分学习仿射变换，第二部分学习目标图像与图谱之间的体素级非刚性形变。我们端到端地训练该网络，并在为模拟 3D 早孕超声中存在的挑战而设计的合成数据集上针对真值进行了验证。该方法在孕 9 周采集的人胚胎超声体积数据集上进行了测试，显示出在某些情况下脑的对齐，并揭示了所提方法的开放性挑战。我们得出结论，我们的方法是一种有前景的、面向 3D 超声中胚胎脑全自动空间对齐与分割的途径。
引用
@article{arxiv.2005.06368,
title = {Towards segmentation and spatial alignment of the human embryonic brain using deep learning for atlas-based registration},
author = {Wietske A. P. Bastiaansen and Melek Rousian and Régine P. M. Steegers-Theunissen and Wiro J. Niessen and Anton Koning and Stefan Klein},
journal= {arXiv preprint arXiv:2005.06368},
year = {2020}
}