用于多模态实时图像配准的零样本学习
计算机视觉与模式识别
2019-08-20 v1 机器学习
摘要
在本报告中，我们提出一种无监督图像配准框架，使用预训练深度神经网络作为特征提取器。由于训练与测试数据集不重叠（处理流程中没有任何网络模块是专门针对医学图像配准任务训练的），我们称之为零样本学习。我们技术的亮点为：(a) 无需训练数据集；(b) 关键点（即重要特征的位置）自动估计；(c) 该模型中关键点数量固定，并可作为超参数进行调节；(d) 所提变换估计的不确定性计算；(e) 图像实时配准。我们的技术在 BraTS、ALBERT 以及合作医院脑 MRI 数据上进行了评估。结果表明，该方法对仿射变换模型具有鲁棒性，且无论输入图像尺寸大小，结果实际上都是瞬时的。
引用
@article{arxiv.1908.06213,
title = {Zero Shot Learning for Multi-Modal Real Time Image Registration},
author = {Avinash Kori and Ganapathi Krishnamurthi},
journal= {arXiv preprint arXiv:1908.06213},
year = {2019}
}