May, 2023

ORRN: 一种基于 ODE 的递归配准网络，用于肺 4DCT 图像的可变形呼吸运动估计

PDF
TL;DR本文提出了一种基于 ODE 的递归图像配准网络（ORRN），用于在 4D 医学数据中建模呼吸运动以及心跳等器官运动，具有较高的配准精度、形变可信度和计算效率，可用于放射治疗中的快速准确的呼吸运动估计或胸部针头插入的机器人运动规划，同时也可应用于其他医学图像配准任务。
deformable image registrationdeep learning4d medical dataode-based recursive image registration networkrespiratory motion estimation
发现论文，激发创造
  • 基于神经常微分方程的序贯图像配准用于动态特征描述

    通过利用神经常微分方程（ODE）进行图像配准，本研究论文讨论了如何利用该框架来帮助表征顺序生物过程，从而更好地理解医学图像分析中的生物动态，该方法可以从数据中直接学习动态，并使用序列数据来规范转换轨迹。

    Apr, 2024

  • 利用在线学习的循环神经网络进行呼吸运动预测，以增强外部引导放射治疗的安全性

    在肺放射疗法中，红外相机可以记录胸部上反射物体的位置，以推断因呼吸而移动的肿瘤的位置，但治疗系统延迟影响了辐射光束的精确性。本研究评估了资源高效的在线 RNN 算法（无偏在线重复优化，SnAp-1 和 DNI）准确预测放射疗法治疗期间的呼吸运动的能力。

    Mar, 2024

  • 基于神经 ODE 的同胚配准场心脏超声图像分割

    该研究使用神经常微分方程 (Echo-ODE) 方法对超声心动图像进行分割以进行图像配准，通过解决连续 ODE 实现更平滑的分割，并在整个序列中保留分割地图的拓扑结构，同时保持与时间的一致性，其平均绝对误差为 2.7-3.1。

    Jun, 2023

  • 无监督可变形图像配准用于超声图像呼吸运动补偿

    本文提出了一种基于深度学习的新型超声图像变形配准模型及一种无监督的训练方法，该模型使用循环全对场变换和空间变换网络来在在线速率下（约 30 Hz）生成位移场并精确地跟踪像素移动，采用该方法来在活体猪肺视频中跟踪像素，演示了呼吸运动补偿策略，减少了猪数据集中平均像素运动的 76％，我们相信 U-RAFT 是一个有前途的工具，可用于补偿可变形组织的超声图像中的不同运动，如呼吸和心跳。

    Jun, 2023

  • KidneyRegNet: 一种用于呼吸期 3DCT-2DUS 肾脏配准的深度学习方法

    本文提出了一种新的深度配准管道，用于自由呼吸的 3D CT 和 2D U/S 肾脏扫描，包括一个特征网络和一个基于 3D-2D CNN 的配准网络，该网络结构和训练策略通过降低语义差距等手段解决了 3D CT-2D U/S 肾脏配准时的困难。

    May, 2023

  • 生成对抗网络用于 MR-CT 可变形图像配准

    本研究通过用 cycle-GAN 学习两个模态之间的强度关系，改善了 CT 和 MR 图像的配准问题，并探讨了使用 cycle-GAN 合成的图像减少空间信息对模式对位的影响。

    Jul, 2018

  • 卷积神经网络实现端到端无监督可变形图像配准

    本文提出了一种卷积神经网络的深度学习应用，利用无监督优化相似度指标完成非迭代式的图像配准，具备传统配准方法一样高的精度，且实现时间大幅度缩短。

    Apr, 2017

  • 利用神经常微分学习优化进行 MRI 图像重建

    本文提出将 MRI 图像重建问题作为一种优化问题，使用神经 ODE 模型其优化轨迹，并探究了基于三种 ODE 求解的模型，相比 UNet 和级联 CNN 等其他方法，模型表现更好，参数效率更高，从而引入一种新的通过神经 ODE 建模连续优化动力学的 MRI 重建方式。

    Jun, 2020

  • 基于神经图形特征的可变形图像配准用于即时运动提取

    该研究提出了一种新颖的方法，利用神经图形原语（NGP）来优化位移向量场（DVF），通过浅层神经网络在空间内插值来进行自我监督优化，达到了 1.77 秒的非常快的速度，并且解决了传统 DIR 方法中常见的滑动边界问题。

    Feb, 2024

  • CDIDN: 具有高变形阻抗能力的注册模型，用于长期跟踪肺部病变动态

    本文提出了一种高变形抵抗能力的登记模型，称为 CDIDN，可以处理在 CT 图像中局部大变形的问题，通过实验评估证明 CDIDN 在处理肺部器官和复杂的肺部细节方面比其他方法更准确和有效，并具有追踪肺部病变的能力。

    May, 2023