Jul, 2023

使用贝叶斯反演进行平面曲线注册

PDF
TL;DR本研究采用 LDDMM functional 描述曲线的运动，在此基础上通过 Hamilton's equations 采用 Wu-Xu 元素求解曲线匹配问题，再利用贝叶斯反演解决动量问题，并采用集合 kalman 反演确认该方法可行。
curve matchinglddmm functionalhamilton's equationsbayesian inversionensemble kalman inversion
发现论文，激发创造
  • 用于约束微分同胚图像配准的不精确 Newton-Krylov 算法

    本文提出求解大变形微分同胚图像配准问题的数值算法，将非刚性图像配准问题形式化为最优控制问题，使用 PDE 约束优化问题，通过在速度场上使用 Tikhonov 正则化技术增加正则化约束，使用 Fourier 和 Chebyshev 伪谱方法进行空间和时间离散化，并通过参数连续方法估计最优正则化参数，提出的牛顿 - Krylov 法与全局化预处理梯度下降相比表现出更好的数值精度和计算效率。

    Aug, 2014

  • 通过核匹配实现高效的可变形形状对应

    本文提出了一种通过描述符匹配、连续性限制和 DC 编程来解决三维形状匹配问题的方法，该方法可以在处理非等距变形、拓扑变化和不完整数据的情况下，有效地收敛到一种有意义的连续匹配方案，具有较好的可扩展性。

    Jul, 2017

  • 学习可微同构配准的概率模型

    提出了一种基于概率的低维形变模型，可用于图像配准和形变分析，具有对比形变、生成正常或病态形变的能力，以及在多种图像对之间传输形变的能力。在三维心脏 Cine-MRIs 上的实验结果显示出本方法目前显示了最先进的性能。

    Dec, 2018

  • 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

  • 基于目标的剪切弹性波全波形反演贝叶斯方法

    本文提出了一种计算框架来量化组织异常的剪切弹性成像中的不确定性，包括形状和剪切模量等参数的后验概率，采用贝叶斯推断公式，并通过 Markov Chain Monte Carlo 技术来获得统计信息，从而构建了先验概率。

    May, 2023

  • 基于黎曼优化的距离几何逆运动学

    本文提出了基于距离几何的逆运动学求解器，并结合 Riemannian 优化算法，初值平滑技术等方法，实现了更高效的求解方法。

    Aug, 2021

  • 快速预测图像配准

    本研究提出了一种基于图像外观的补丁级信息来预测图像变形的方法，通过设计一个深度编码器 - 解码器网络来学习图像外观与图像配准参数之间的像素 / 体素映射，特别针对 LDDMM，通过预测 LDDMM 动量参数化，使计算时间大幅减少。同时，我们创建了贝叶斯概率版本的网络，允许在测试时间使用 dropout 的蒙特卡罗采样来评估变形场的不确定性。

    Jul, 2016

  • 使用局部微分信息进行曲线和曲面的 3D 配准

    本文提出了一种全局方法，可以在不需要初始化的情况下将 3D 曲线与 3D 曲面进行配准，这是第一个有效的曲线对曲面配准的解决方案，具有高度的匹配精度和速度。

    Apr, 2018

  • SIGMA: 尺度无关全局稀疏形状匹配

    基于混合整数规划的稀疏对应关系生成方法，结合投影拉普拉斯 - 贝尔特拉米算子、旋转感知正则化器，实现全局最优解，适用于非刚性形状匹配，并具有高效性能。

    Aug, 2023

  • 一种用于松弛雅可比行列式约束的差函一致性变分模型

    本文提出了一种具有雅可比方程软约束的新型双变量微分同胚图像配准模型，该模型允许局部变形在一个灵活的范围内收缩和扩大，通过优化松弛函数来明确控制变换的雅可比行列式，并采用正则化器来确保松弛函数的平滑性。数值实验表明，所提出的算法收敛性强，正性约束能控制相对体积的范围而不影响配准准确性。此外，相对于其他几种现有的配准模型，该模型在大变形下产生了微分同胚映射并取得了更好的性能。

    Aug, 2023