deformable image registration | BriefGPT

关键词deformable image registration

搜索结果 - 30

可变形图像配准的高斯表示
采用参数化的三维高斯控制点的变形图像配准方法，在计算效率、配准精度和速度之间取得了更好的平衡，通过局部插值转换，实现了对三维体积医学图像之间的空间变形场进行明确灵活的表示，进而在后向传播的统一优化过程中迭代学习了三维高斯和其变换的参数，取得
PDFa month ago
CVPR变形医学图像配准的相关感知粗到细多层感知器
本研究提出了基于多窗口感知的 MLP 网络（CorrMLP）用于可变形医学图像配准，通过新颖的粗到细的配准架构捕捉细粒度的多范围依赖关系，进行多范围感知的粗到细配准，实验证明 CorrMLP 优于最先进的可变形配准方法。
PDFa month ago
改进可变形图像配准的自适应局部边界条件
该研究介绍了一种新的方法，在医学影像中自适应地调整边界条件，通过在逐像素的基础上进行边界条件的优化，实现了两项不同任务的优化图像配准，分别是单模态 CT 胸部配准和腹部 CT 到 MRI 配准。
PDFa month ago
MrRegNet: 面向医学图像配准的多分辨率掩模引导卷积神经网络（不涉及专有术语或不必要解释）
提出了一种名为 MrRegNet 的基于掩膜引导的编码器 - 解码器深度卷积神经网络（DCNN）图像配准方法，通过多分辨率编码器提取特征并在解码器中估计多分辨率位移场来处理图像的大变形，并使用分割掩膜指导模型的注意力对齐局部区域，实验结果证
PDF2 months ago
基于差异形式的变换器的腹部 MRI-CT 可变形图像配准
本文旨在创建一个深度学习框架，能够估计直接配准腹部 MRI 和 CT 图像的变形矢量场（DVF）。该方法以可微分形变为基础，利用从概率可微形变配准模型提取的保持拓扑特征来准确获取腹部运动，并将其用于 DVF 估计。该模型通过将在运动追踪中表
PDF2 months ago
放射治疗中的连续时空可变形图像配准（CPT-DIR）: 超越经典基于体素的方法
基于隐式神经表示的连续时空图像变形 (Continuous-sPatial-Temporal DIR，CPT-DIR) 方法显著提高了图像配准的准确性、自动化和速度，特别是在具有挑战性的区域，优于传统的 B 样条方法。
PDF2 months ago
DiffOp-net: 一种基于微分算子的全卷积网络用于无监督可变形图像配准
通过引入新的微分算子到注册框架中，以保证速度场的平滑性，结合交叉坐标注意力模块和多分辨率注册架构，改进了无监督可变形图像配准方法，在两个磁共振成像（MRI）数据集上进行了评估实验，表现出卓越的准确度、可变形性能和注册速度。
PDF3 months ago
CVPR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。
PDF3 months ago
ModeTv2：基于 GPU 加速的运动分解变换器在医学图像配准中的成对优化
本研究介绍了一种采用金字塔网络和增强型运动分解 Transformer (ModeTv2) 操作符的可变形图像配准方法，展示了与传统方法相似的优越的成对优化（PO）能力。通过使用 CUDA 扩展重新实现 ModeT 操作符以提高计算效率，并
PDF3 months ago
通用影像编码器 DINOv2 用于医学影像配准
利用一种训练免费的图像编码器，本文介绍了一种新的变形图像配准方法 DINO-Reg，并在医学图像配准领域中取得了第一名的成绩。这是将通用视觉基础模型应用于医学图像配准的首次尝试。
PDF4 months ago
可变形图像配准的多目标学习
通过将最近提出的多目标神经网络训练方法与深度神经网络相结合，本文填补了多目标深度学习变形图像配准的研究空白，并通过对盆腔磁共振成像扫描的配准实验，实验表明多目标深度学习变形图像配准方法相比于提供单一配准结果，在临床使用角度具有更多的优点，能
PDF4 months ago
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。
PDF5 months ago
变形图模型的竞赛：基于 B 样条和网格的多目标可变形图像配准
直接比较了使用相同最新多目标优化方法的 B 样条模型和网格模型的转换模型，并在两个基于盆腔 CT 扫描的宫颈癌患者注册问题上实验证明，转换模型的选择对实现的注册结果的多样性和质量产生了深远影响。
PDF5 months ago
MambaMorph：基于对比特征学习的 Deformable MR-CT Registration 备人脊柱骨干
MambaMorph 是一种创新的多模态可形变注册网络，特别适用于磁共振（MR）和计算机断层扫描（CT）图像对齐。它通过使用 Mamba 块进行高效的远程建模和高维数据处理，以及学习细粒度特征的特征提取器，提高了注册准确性。实验结果表明 M
PDF5 months ago
具有随机正则化生物力学平衡的可变形图像配准
这项研究介绍了一种不需要离散化的正则化策略，它在医学图像配准中保留了物理上激励的优势，同时与当前的配准框架兼容，并在合成和真实数据集中表现出与当前最先进方法相当的准确性。
PDF6 months ago
基于文本提示的空间协变图像配准
textSCF 是一种新方法，通过整合空间协变滤波器和由视觉语言模型编码的解剖学区域的文本提示，从而在形变图像配准方面实现了良好的性能。它通过捕捉解剖区域之间的上下文相互作用，提供了令人印象深刻的区域间可转移性，并能在配准过程中保留结构性不
PDF7 months ago
AutoFuse：变形医学图像配准的自动融合网络
提出了一种数据驱动的融合策略，用于可变形图像配准，通过自动优化融合策略，并结合自动融合网络和融合门模块，实现了更好的配准性能，超过了现有的无监督和半监督配准方法。
PDF10 months ago
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
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
PDFa year ago
RFR-WWANet: 基于加权窗口注意力的恢复特征分辨率网络用于无监督图像配准
提出了一种名为 RFR-WWANet 的无监督可形变图像配准模型，使用了 RFRNet 和 WWA 设计以优化 Swin transformer，实现更精细的空间信息建模和语义关联，取得了明显的性能优势。
PDFa year ago
MICDIR：基于 UNetMSS 和自构建图潜变量的多尺度逆一致性可变形图像配准
本文提出了三种改进 Voxelmorph 方法的方式，包括使用多尺度 UNet 集成模型、引入 SCGNet 对给定的成对图像进行模型构建和改进模型来使形变逆一致。将提出的方法应用于 MRI 脑注册任务中，得到了比 ANT 和 VoxelM
PDF2 years ago