用于图像配准的不确定性驱动概率体素选择
计算机视觉与模式识别
2020-10-05 v1
摘要
本文提出了一种用于时间敏感场景下医学图像配准的新颖概率体素选择策略，其目标是在保持配准精度和较低失败率的同时进行激进的体素采样（例如使用少于总量 1% 的体素）。我们开发了一个贝叶斯框架，首先基于变换参数的不确定性构建体素采样概率场（VSPF）。然后我们描述了一种实用的多尺度配准算法，其中在每次优化迭代时，基于 VSPF 采样不同的体素子集。该方法在不固定于特定体素子集的情况下最大化精度。所开发的概率采样方案被证明能够权衡传统随机体素选择（通过允许更多探索）的鲁棒性与固定体素选择（通过允许更大比例的信息体素）的准确性。
引用
@article{arxiv.2010.00988,
title = {Uncertainty driven probabilistic voxel selection for image registration},
author = {Boris N. Oreshkin and Tal Arbel},
journal= {arXiv preprint arXiv:2010.00988},
year = {2020}
}