Apr, 2023

图像注册相似度指标的原始同时优化

PDF
TL;DR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。
image registrationsimultaneous optimizationmrigliomatarget registration error
发现论文，激发创造
  • 多模态配准的深度度量

    使用卷积神经网络构建了一种新的相似度度量方法，该方法可以应用于多模态医学图像的配准问题。在跨人注册任务上，该方法实现了比互信息更好的性能。

    Sep, 2016

  • DISA: 通用多模态注册的可微相似性近似

    通过近似现有指标与小型卷积神经网络的特征空间中的点积，我们提出了一个通用框架，用于创建具有表达性的跨模态描述符，从而实现了快速可变形全局注册。我们的方法比基于局部图像块的指标快几个数量级，并且可以直接应用于临床环境中，只需用所提出的指标替换相似度测量。实验表明，我们的方法在训练数据之外也具有很好的泛化性，即使在未知的解剖学和模态组合上也有着广泛的适应能力，无需进行专门的重新训练。我们公开了我们的训练代码和数据。

    Jul, 2023

  • 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

    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。

    Feb, 2022

  • 无监督多模式图像配准的几何保持图像到图像翻译

    本研究提出一种利用图像到图像翻译网络训练形态转换网络的多模态配准方法，通过单模态指标对图像进行训练，无需对齐模态对即可进行训练，适用于多种模态，实验结果表明该方法高度准确。

    Mar, 2020

  • 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

  • 一种用于图像强注册的人工智能代理

    在医疗应用中，我们提出了一种新的基于策略学习的 3D 图像配准方法，该方法通过深度 CNN 学习最优运动序列来实现图像对齐，该方法在两个医疗图像配准实验中表现出比现有方法更高的准确性和鲁棒性。

    Nov, 2016

  • SAME++：一种自监督的解剖学嵌入增强的医学图像配准框架，利用稳定采样和正则化转换

    我们介绍了一种快速而准确的无监督三维医学图像配准方法，利用自我监督的解剖嵌入（SAM）算法在像素级别计算两幅图像之间的密集解剖对应关系，并通过提供更为一致的对应关系和更好的语义引导特征来增强配准步骤，从而显著优于基于数值优化的方法。

    Nov, 2023

  • 多模式遥感图像快速鲁棒匹配技术

    该研究提出了一种快速而强韧的匹配框架，该框架将局部描述符与 3DFFT 技术相结合，用于不同模态数据的图像配准。实验结果表明，该框架比现有方法具有更优的匹配性能。

    Aug, 2018

  • 保存肿瘤体积的无监督医学图像配准

    通过使用相似性衡量方法进行图像配准，识别潜在肿瘤区域并生成软性肿瘤遮罩；然后通过体积保持配准方法，在正常区域与肿瘤区域之间平衡图像相似性和体积保持，实现肿瘤体积的保持。

    Sep, 2023

  • 自适应图像配准：融合深度学习和优化函数的混合方法以提升精度

    本研究旨在将学习方法和优化方法结合，使用学习方法的输出作为优化的初始参数，并根据图像对的损失进行计算，从而在保持相同推理时间和形变场平滑度仅降低 0.8% 的情况下，通过使用最佳性能的先进模型作为框架的骨干，在测试中获得了 0.3% 的改进。

    Nov, 2023