基于几何深度学习的无监督多模态曲面配准
机器学习
2023-11-23 v1 计算机视觉与模式识别
摘要
本文介绍 GeoMorph，一种专为皮质曲面图像配准设计的新型几何深度学习框架。配准过程包含两个主要步骤。首先，使用图卷积对每个输入曲面进行独立特征提取，生成捕捉重要皮质曲面特征的低维特征表示。随后，以深度离散方式对特征进行配准，通过学习一组控制点的位移来优化跨曲面公共结构的重叠。为确保平滑且生物学合理的形变，我们通过由循环神经网络实现的深度条件随机场进行正则化。实验结果表明，GeoMorph 以更优对齐与更平滑形变超越了现有深度学习方法。此外，GeoMorph 相较经典框架表现出具竞争力的性能。这种通用性与鲁棒性表明其在多种神经科学应用中具有强大潜力。
引用
@article{arxiv.2311.13022,
title = {Unsupervised Multimodal Surface Registration with Geometric Deep Learning},
author = {Mohamed A. Suliman and Logan Z. J. Williams and Abdulah Fawaz and Emma C. Robinson},
journal= {arXiv preprint arXiv:2311.13022},
year = {2023}
}