面向灵活视网膜图像配准的与关键点无关描述子的无监督训练
计算机视觉与模式识别
2026-03-12 v2
摘要
当前的彩色眼底图像配准方法，除其他因素外，受到标注数据缺乏的限制，这在医学领域尤为显著，从而推动了无监督学习的使用。因此，在这项工作中，我们开发了一种新颖的无监督描述子学习方法，该方法不依赖于关键点检测。这使得生成的描述子网络与配准推理过程中使用的关键点检测器无关。为了验证这种方法，我们在参考公开视网膜图像配准数据集上进行了广泛而全面的比较。此外，我们使用多种不同性质的关键点检测器测试了我们的方法，甚至提出了一些新颖的检测器。我们的结果表明，所提出的方法提供了精确的配准，与有监督方法相比没有任何性能损失。此外，无论使用何种关键点检测器，它都表现出精确的性能。因此，这项工作代表了在医学领域利用无监督学习方面迈出的显著一步。
引用
@article{arxiv.2505.02787,
title = {Unsupervised training of keypoint-agnostic descriptors for flexible retinal image registration},
author = {David Rivas-Villar and Álvaro S. Hervella and José Rouco and Jorge Novo},
journal= {arXiv preprint arXiv:2505.02787},
year = {2026}
}