Dec, 2023
PatchMorph：无监督 3D 脑图像配准的随机深度学习方法
PatchMorph: A Stochastic Deep Learning Approach for Unsupervised 3D Brain Image Registration with Small Patches
Henrik Skibbe, Michal Byra, Akiya Watakabe, Tetsuo Yamamori, Marco Reisert
TL;DRPatchMorph 是一种新型的随机深度学习算法，用于无监督的三维脑图像配准。与其他方法不同，我们的方法使用了具有恒定小尺寸的紧凑补丁，以得到既能够结合全局变换又能进行局部变形的解决方案。这种方法在训练过程中最小化了 GPU 的内存占用，同时可以在推理过程中处理大量随机重叠的小补丁，从而减轻图像和补丁边界问题。PatchMorph 能够处理两个输入图像之间的世界坐标变换，适应间距、数组大小和方向等属性的变化。补丁的空间分辨率从粗到细，同时处理全局和局部属性，以实现图像对齐所必需的功能。每个补丁都提供了独特的视角，并一起收敛到一个全面的解决方案。对人类 T1 MRI 脑图像和序列 2-photon 层析成像的 marmoset 脑图像的实验证明了 PatchMorph 的出色性能。