基于GANs结合迁移学习与分割信息的训练数据无关图像配准
计算机视觉与模式识别
2019-04-12 v2
摘要
配准是自动化医学图像分析中的一项重要任务。尽管基于深度学习(DL)的图像配准方法优于耗时的传统方法,但它们严重依赖训练数据,且对新型图像泛化能力不佳。我们提出了一种基于DL的方法,能够配准与训练图像不同的图像对。这是通过结合分割信息与迁移学习来训练生成对抗网络(GANs)实现的。在胸部X光与脑部MR图像上的实验表明,我们的方法相较传统方法具有更好的配准性能。
引用
@article{arxiv.1903.10139,
title = {Training Data Independent Image Registration With GANs Using Transfer Learning And Segmentation Information},
author = {Dwarikanath Mahapatra and Zongyuan Ge},
journal= {arXiv preprint arXiv:1903.10139},
year = {2019}
}