【论文阅读】基于卷积神经的端到端无监督变形图像配准

📘End-to-End Unsupervised Deformable ImageRegistration with a Convolutional NeuralNetwork
📕《基于卷积神经的端到端无监督变形图像配准》

文章目录

    • 摘要 Abstract.
    • 1.导言 Introduction
  • 附录 References
  • 未完待续 to be continued ...

摘要 Abstract.

  • 📘 In this work we propose a deep learning network for deformable image registration(DIRNet).

  • 📕 本文提出了一种可变形图像配准的深度学习网络(DIRNet)


  • 📘The DIRNet consists of a convolutional neural network(ConvNet) regressor, a spatial transformer, and a resampler.

  • 📕 该网络由一个卷积神经网络(ConvNet)回归器、一个空间转换器和一个重放器组成。


  • 📘 The ConvNet analyzes a pair of fixed and moving images and outputs parameters for the spatial transformer

  • 📕 ConvNet分析一对固定的和运动的图像,并输出空间转换器的参数,


  • 📘which generates the displacement vector field that enables the resampler to warp the moving image to the fixed image.

  • 📕 从而生成位移矢量场,使重放器(重新采样)能够将运动图像扭曲成固定图像。


  • 📘The DIRNet is trained end-to-end by [1] unsupervised optimization of a [2] similarity metric between input image pairs.

  • 📕 DIRNet是通过对输入图像对之间的==[2] 相似性度量进行[1] 无监督优化==来进行端到端训练的。


  • 📘A trained DIRNet can be applied to perform registration on unseen image pairs in one pass,thus non-iteratively.

  • 📕 经过训练的DIRNet可以应用于一次对看不见的图像对执行配准,因此不可迭代。


  • 📘 Evaluation was performed with registration of images of handwritten digits (MNIST) and cardiac cine MR scans (Sunnybrook Cardiac Data).

  • 📕 通过登记手写数字图像(MNIST)和心脏电影(片子) MR扫描(Sunnybrook心脏数据)进行评估。


  • 📘The results demonstrate that registration with DIRNet is as accurate as a conventional deformable image registration method with substantially shorter execution times.

  • 📕 结果表明,使用DIRNet的配准与传统的可变形图像配准方法一样准确,执行时间更短。


1.导言 Introduction

  • 🌲 Image registration is a fundamental step in many clinical image analysis tasks.

  • ⭐️ 图像配准是许多临床图像分析任务中的基本步骤。


  • 🌲 Traditionally, image registration is performed by exploiting intensity information between pairs of fixed and moving images.

  • ⭐️ 传统上,图像配准是通过利用固定图像和运动图像对之间的强度信息来执行的。


  • 🌲 Since recently, deep learning approaches are used to aid image registration.

  • ⭐️ 最近,深度学习方法被用来帮助图像配准。


  • 🌲 Wu et al.[11] used a convolutional stacked auto-encoder (CAE) to extract features from fixed and moving images that are subsequently used in conventional deformable image registration algorithms.

  • ⭐️ Wu等人[11]使用卷积堆叠自动编码器(CAE)从固定图像和运动图像中提取特征,这些特征随后用于传统的可变形图像配准算法。


  • 🌲 However, the CAE is decoupled from the image registration task and hence, it does not necessarily extract the features most descriptive for image registration.

  • ⭐️ 然而,CAE与图像配准任务是解耦的,因此,它不一定提取对图像配准最具描述性的特征。


  • 🌲 The training of the CAE was unsupervised, but the registration task was not learned end-to-end.

  • ⭐️ CAE的训练是无监督的,但注册任务不是端到端学习的。


  • 🌲 On the contrary, Miao et al.[8] and Liao et al.[6]have used deep learning to learn rigid registration end-to-end.

  • ⭐️ 相反,Miao等人[8]和Liao等人[6]使用深度学习来端到端地学习刚性注册。


  • 🌲 Miao et al.[8] used a convolutional neural network (ConvNet)regressor to predict a transformation matrix for rigid registration of synthetic 2D to 3D images.

  • ⭐️ Miao等人[8]使用卷积神经网络(ConvNet)回归器来预测用于合成2D到3D图像的刚性配准的变换矩阵。


在这里插入图片描述

Fig. 1. Schematics of the DIRNet with two input images from the MNIST data. The DIRNet takes one or more pairs of moving and fixed images as its inputs. The fully convolutional ConvNet regressor analyzes spatially corresponding image patches from the moving and fixed images and generates a grid of control points for a B-spline transformer. The B-spline transformer generates a full displacement vector field to warp a moving image to a fixed image. Training of the DIRNet is unsupervised and end-to-end by backpropagating an image similarity metric as a loss.

图1。具有来自MNIST数据的两个输入图像的DIRNet示意图。DIRNet将一对或多对运动图像和固定图像作为其输入。全卷积ConvNet回归器分析来自运动图像和固定图像的空间上对应的图像块,并为B样条变换器生成控制点网格。B样条变换器生成一个完整的位移矢量场,将运动图像扭曲为固定图像。DIRNet的训练是无监督的和端到端的,通过将图像相似性度量作为损失进行反向传播。

附录 References

本文所有参考论文如下,如有侵权联系删除:
End-to-End Unsupervised Deformable Image Registration with a Convolutional Neural Network
*
Bob D. de Vos, Floris F. Berendsen, Max A. Viergever, Marius Staring and Ivana Iˇsgum
*
Image Sciences Institute, University Medical Center Utrecht, the Netherlands
2Division of Image Processing, Leiden University Medical Center, the Netherlands

未完待续 to be continued …

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/109093.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

分享135个游戏Python源代码总有一个是你想要的

分享135个游戏Python源代码总有一个是你想要的 链接:https://pan.baidu.com/s/1rQuDok6XRWp-7RzFAfew8w?pwd8888 提取码:8888 游戏项目名称 100%基于Python的,模仿元气骑士的游戏 Chinese Chess Xiangqi 中国象棋 Python Firefly是…

promisify 是 Node.js 标准库 util 模块中的一个函数

promisify 是 Node.js 标准库 util 模块中的一个函数。它用于将遵循 Node.js 回调风格的函数转换为返回 Promise 的函数。这使得你可以使用 async/await 语法来等待异步操作完成,从而让异步代码看起来更像同步代码。 在 Node.js 的回调风格中,函数通常接…

vue webpack/vite的区别

Vue.js 可以与不同的构建工具一起使用,其中两个主要的工具是 Webpack 和 Vite。以下是 Vue.js 与 Webpack 和 Vite 之间的一些主要区别: Vue.js 与 Webpack: 成熟度: Webpack 是一个成熟的构建工具,已经存在多年&…

C复习-声明+作用域+链接属性+存储类型

参考: 里科《C和指针》 声明 1)int short/long/signed/unsigned可以修饰类型。如果有以上的修饰,可以省略int;signed一般只用于char,因为其他整型在默认情况下是有符号数,但char是因编译器而异的。 2&am…

计算机基础知识33

进程基础(操作系统中的概念) 进程它是操作系统总最重要的概念,线程也是 进程和线程都是有操作系统来调度使用的,我们程序员是不能控制的 # 进程和程序是两码事、完全不一样 程序:其实一个死的东西、一堆代码就是程序,它也没有生命…

C++ UDP通信

#pragma once #ifndef XUDP_H #define XUDP_H#ifdef WIN32 #include <windows.h> #define socklen_t int #else #include <arpa/inet.h> #define closesocket close //替换close函数 #include <unistd.h>#include<iostream> #endifclass XUdp { pub…

源代码审计(白盒测试)

1.简介 代码安全测试是从安全的角度对代码进行安全测试评估 2.测试的方法 人工审核和静态分析工具辅助进行 人工审核&#xff1a;既能解决内部问题也能解决外部问题。是目前最有效率的解决方案&#xff0c;并且在理论上手工代码审核是非常有效的&#xff0c;但人工审核的效率不…

element表格实现单选框

利用checkbox来实现表格单选,思路就是将checkbox的值绑定到当前行mainFlag,定义checkbox的change事件,每当值改变时将上次选中的行数据mainFlag改给false <template><el-table:data"tableData"style"width: 100%"><el-table-column label&q…

视频推拉流/直播点播平台EasyDSS分享的链接提示“无信号”,该如何解决?

视频直播点播平台EasyDSS可支持用户自行上传视频文件&#xff0c;也可将上传的点播文件作为虚拟直播进行播放。平台能支持多屏播放&#xff0c;可兼容Windows、Android、iOS、Mac等操作系统&#xff0c;还能支持CDN转推&#xff0c;具备较强的可拓展性与灵活性。 为给用户提供更…

Git 提交规范

遇到的问题 在项目中采用 git 管理代码版本时&#xff0c;突然不能进行提交&#xff08;git commit&#xff09;。 报错信息如下&#xff1a; ERROR invalid commit message format. Proper commit message format is required for automated changelog generation. Git 规范…

AI 浪潮下的创业故事(一)—— Jina AI

点击蓝字 关注我们 编辑&#xff1a;Alan Wang 排版&#xff1a;Rani Sun 微软 Reactor 为帮助广开发者&#xff0c;技术爱好者&#xff0c;更好的学习 .NET Core, C#, Python&#xff0c;数据科学&#xff0c;机器学习&#xff0c;AI&#xff0c;区块链, IoT 等技术&#xff0…

SaaS 完整指南

什么是软件即服务 (SaaS)&#xff1f; 软件即服务 (SaaS) 是云计算的三个组成部分之一&#xff0c;是一种软件分发模型&#xff0c;其中第三方提供商托管应用程序&#xff0c;最终用户可以通过 Internet 访问软件。 SaaS 应用程序开发使组织无需在自己的计算机或自己的数据中…

CentOS7 内核升级

1.linux内核版本说明 https://en.wikipedia.org/wiki/Linux_kernel_version_history The Linux Kernel Archives - Releases

【Python】Python 实现 Excel 到 CSV 的转换程序

Python 实现 Excel 到 CSV 的转换程序 Excel 可以将电子表格保存为 CSV 文件&#xff0c;只要点几下 鼠标&#xff0c;但如果有几百个 Excel文件要转换为 CSV &#xff0c; 就需要点击几小时。利用 openpyxl 模块&#xff0c; 编程读取当前工作目录中的所有 Excel 文件&#x…

Mobpush智能化精准推送,助力求职者快人一步

近日&#xff0c;“BOSS”直聘崩了的消息又又又上了热搜&#xff0c;2023年9月15日上午&#xff0c;BOSS直聘在线统计超过4700万人。由此可见&#xff0c;随着金九银十招聘旺季的到来&#xff0c;求职软件成为人们的青睐。但是对于大多数使用招聘软件的用户而言&#xff0c;往往…

unigui点击按钮后弹出悬浮窗,几秒钟后关闭

为了实现点击按钮后&#xff0c;复制内容到剪切板&#xff0c;然后弹出悬浮窗提示给用户。 js代码如下&#xff0c;复制内容&#xff0c;然后保存命名为.js的文件&#xff1a; //弹窗提醒function showAlert(s_msg) {// 创建 div 元素var div document.createElement("d…

【算法训练-排序算法 三】【排序应用】合并区间

废话不多说&#xff0c;喊一句号子鼓励自己&#xff1a;程序员永不失业&#xff0c;程序员走向架构&#xff01;本篇Blog的主题是【合并区间】&#xff0c;使用【数组】这个基本的数据结构来实现&#xff0c;这个高频题的站点是&#xff1a;CodeTop&#xff0c;筛选条件为&…

【vr】【unity】白马VR课堂系列-VR开发核心基础05-主体设置-手柄对象的引入和设置

【视频教学】 【白马VR课堂系列-VR开发核心基础05-主体设置-手柄对象的引入和设置】 https://www.bilibili.com/video/BV19D4y1N73i/?share_source=copy_web&vd_source=7f5c96f5a58b7542fc6b467a9824b04e 【内容】 上一节引入了XR Origin并进行了初步设置,运行测试时V…

数据库主从切换过程中Druid没法获取连接错误

背景&#xff1a; 今天dba在进行DB的主从切换&#xff0c;导致应用一直报错&#xff0c;获取不到DB连接&#xff0c;druid的错误信息如下&#xff1a; Could not open JDBC Connection for transaction; nested exception is com.alibaba.druid.pool.GetConnectionTimeoutExc…

基于主动移频法与AFD孤岛检测的单相并网逆变器matlab仿真

微❤关注“电气仔推送”获得资料&#xff08;专享优惠&#xff09; 仿真模型 算法介绍 (1)仿真模型由单相电网、逆变器、滤波环节、PI控制器、PWM生成器、锁相环、AFD控制器s函数、测量模块等构成&#xff1b; (2)采用主动移频法(AFD)进行孤岛检测&#xff1b; (3)相应速度…