Jan, 2024

ConKeD: 多视图对比描述符学习的基于关键点的视网膜图像配准

PDF
TL;DR利用深度学习的方法，本研究提出了一种名为 ConKeD 的新型描述符，结合领域特定关键点实现视网膜图像配准，并通过新颖的多正面多负面对比学习策略，展示了比传统方法更好的性能，具有潜在的发展和应用前景。
retinal image registrationconkeddeep learningmulti-positive multi-negative contrastive learning strategydomain-specific keypoints
发现论文，激发创造
  • ConKeD++ -- 提高视网膜图像配准的描述符学习：对比损失的全面研究

    通过对 ConKeD 框架进行改进与扩展，使用自监督对比学习方法在医学图像注册领域取得了最先进的性能，超越了当前最佳方法

    Apr, 2024

  • 视网膜图像匹配的半监督关键点检测与描述符

    本文提出了一种全新的称为 “SuperRetina” 的端对端论文匹配方法，它是第一个具有可共同训练关键点检测器和描述符的方法。该算法是处于半监督状态下进行训练。经过多项测试，得出该算法的性能表现优秀。

    Jul, 2022

  • 用于补丁匹配和重建的改进描述符

    提出了一种基于卷积神经网络 (ConvNet) 的方法，用于学习本地图像描述符，可用于显着改善补丁匹配和三维重建，该方法使用多分辨率 ConvNets 学习关键点描述符，并且提出了一个新的数据集，包含比当前可用的 Multi-View Stereo（MVS）数据集更多的图像和正负对应物，并且在视角，尺度和光照变化方面具有更好的覆盖范围。该文对基于提出的描述符学习的补丁匹配和三维重建任务进行了评估，实验结果表明，在评价任务中，提出的描述符优于当前现有的最先进描述符。

    Jan, 2017

  • 多视角配准监督

    本论文提出一个半监督学习框架，利用多视图图像流训练关键点检测器，以弥补有限标注数据的不足。作者使用多视图几何和视觉跟踪的互补关系提供三种监督信号，使用未标记的数据训练网络，证明其优于 DeepLabCut 等现有的关键点检测器，特别适用于猴、狗、老鼠等非人类物种的关键点检测。

    Nov, 2018

  • RetinaRegNet：视网膜图像注册的通用方法

    RetinaRegNet 模型在不需要对任何视网膜图像进行训练的情况下，通过使用来自扩散模型的图像特征建立两个视网膜图像之间的点对应关系，实现了各种视网膜图像注册任务的最先进性能。该模型通过逆一致性约束和基于变换的异常点检测器去除估计的点对应关系中的异常值，并通过二阶图像配准和更精确的三阶多项式变换处理大变形，已在三个视网膜图像数据集上证明了其优越性能。

    Apr, 2024

  • 通过关键点实现多模态配准的稳健且可解释的深度学习框架

    KeyMorph 是一种基于深度学习的图像配准框架，其利用检测到的对应关键点获取最佳变形，以及解决了目前图像配准中的一些问题。该框架在多模式脑 MRI 扫描的 3D 仿射和样条配准中展现出了超越当前最先进方法的准确性。

    Apr, 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

  • UR2KiD: 无需局部一致性监督的统一检索、关键点检测和关键点描述

    本文提出了一种基于 ResNet 模型的统一框架，用于关键点检测、特征提取和图像检索，不需要使用点对点的训练数据，利用通用技术在标准 ResNet 模型的连续层中提取局部信息，通过局部响应值的池化提取全局信息，可以在各种具有挑战性的评估条件下获得与最先进方法相当的结果，而无需像素级对应关系的监督。

    Jan, 2020

  • SEKD：自适应进化的关键点检测和描述

    使用自监督框架 SEKD 从未标记的自然图像中学习高级局部特征模型，实现了与传统手工精制和基于深度神经网络方法相比表现更好的齐次估计、相对姿态估计和结构运动任务检测。

    Jun, 2020

  • 端到端学习鲁棒姿态 3D 匹配的关键点检测器和描述符

    本论文提出了一种基于端到端学习框架的关键点检测及其表示的方法，以适应于三维深度地图或扫描，通过采样相应的区域提案实现正负样本的自动获取，并在多个基准数据集上进行匹配实验，表明该方法相对于现有方法具有明显的改进。

    Feb, 2018