基于双单纯网格的多目标可形变图像配准在三维医学图像上的证明

Feb, 2022

基于双单纯网格的多目标可形变图像配准在三维医学图像上的证明

Multi-Objective Dual Simplex-Mesh Based Deformable Image Registration for 3D Medical Images -- Proof of Concept

Georgios Andreadis, Peter A.N. Bosman, Tanja Alderliesten

TL;DR通过使用多目标优化方法和双动态网格变换等技术，本文提出了一种解决医学图像中大幅度变形和内容不匹配问题的多目标三维变形图像配准方法，并实现了良好的效果。

Abstract

Reliably and physically accurately transferring information between images through deformable image registration with large anatomical differences is an open challenge in medical image analysis. Most existing methods have two key shortcomings: first, they require extensive up-front par

deformable image registration multi-objective optimization real-valued gene-pool optimal mixing evolutionary algorithm dual-dynamic grid transformation 3d image registration

发现论文，激发创造

MOREA: 用于三维医学图像多目标变形配准的 GPU 加速进化算法

本研究提出了 MOREA，这是第一个基于进化算法的多目标方法，用于可变形医学图像配准，能够应对大变形，并且采用完全 GPU 加速的 3D 生物力学网格模型，在 4 个人的腹部 CT 扫描中表现得更好。

Mar, 2023

变形图模型的竞赛：基于 B 样条和网格的多目标可变形图像配准

直接比较了使用相同最新多目标优化方法的 B 样条模型和网格模型的转换模型，并在两个基于盆腔 CT 扫描的宫颈癌患者注册问题上实验证明，转换模型的选择对实现的注册结果的多样性和质量产生了深远影响。

Jan, 2024

FireANTs：自适应黎曼优化用于多尺度同胚配准

本文提出了基于多尺度自适应黎曼优化算法的可微分图像配准，该算法在结构和地标覆盖度量上显示出了令人信服的改进，并在现有算法的基础上加速了 300 倍至 2000 倍。

Apr, 2024

可变形医学图像配准的无监督学习模型

本文提出了一种基于学习的算法，用于变形、两两匹配的三维医学图像注册，通过使用卷积神经网络（CNN）模型并利用一个空间变换层，从而实现快速计算新的扫描成像时的配准场，且无需监督信息。我们可以在不破坏匹配场平滑性的前提下，底层地在一张图像中重构另一张图像，并在实践中将其速度提高数个数量级以上，从而有望显著加速医学图像分析和处理管道的速度，同时促进学习医学图像配准及其应用的新方向。

Feb, 2018

可变形图像配准的多目标学习

通过将最近提出的多目标神经网络训练方法与深度神经网络相结合，本文填补了多目标深度学习变形图像配准的研究空白，并通过对盆腔磁共振成像扫描的配准实验，实验表明多目标深度学习变形图像配准方法相比于提供单一配准结果，在临床使用角度具有更多的优点，能够提供多个在不同目标权衡条件下的注册结果。实验还表明，相比于使用多个神经网络进行训练，从可能取值网格中抽样每个目标的权重，所提出的多目标深度学习变形图像配准方法能够在整个权衡前沿获得更好分布的配准结果。

Feb, 2024

用于多模式图像配准的对抗单模态和多模态流网络

提出一种新颖的基于翻译的无监督可变形图像配准方法，该方法利用双流方式调节变形场以实现更好的配准性能，并使用计算效率高的相似度度量对多模态配准网络进行有效训练，并在两个临床数据集上验证了其优越性能。

Jul, 2020

形变多模态图像配准用于光学测量与组织学图像的相关性

利用深度学习技术，通过自动多模式图像配准方法，将快照乳房标本图像与对应的组织学图像进行对齐，以提高光学技术验证的准确性。

Nov, 2023

多模式非监督脑图像配准使用边缘地图

本文提出了一种基于无监督深度学习的多模态图像配准方法，该方法利用图像梯度幅度来作为辅助信息，通过三种不同的损失函数比较证明该方法能提升多模态配准的准确性且运行时间不受影响。

Feb, 2022

图像注册相似度指标的原始同时优化

本文研究基于先前的相似度度量方法是否适用于图像配准的问题，探究在多模态 3D 环境下，通过选择基本求和作为度量优化手段是否能够提高 MRI 图像配准的准确性。通过 2 个预先和手术中的胶质母细胞瘤病例，依据神经放射科医生的地标标记，证明了本文提出的优化方法对图像配准精度提升的效果。

Apr, 2023

Diff-Reg v1：用于配准问题的扩散匹配模型

建立可靠的对应关系对于 3D 和 2D3D 对准等任务至关重要。为了解决大变形、尺度不一致和模糊匹配问题所带来的挑战，本文引入了一种用于建立鲁棒对应关系的扩散匹配模型，在双随机矩阵空间内将对应估计视为去噪扩散过程，逐步去噪（细化）双随机匹配矩阵至准确的匹配矩阵，以进行高质量的对应估计。该方法在 3D 和 2D3D 对准任务上的评估验证了其有效性。

Mar, 2024