无监督失衡的注册,以提高医疗图像注册的准确性和稳定性
Peizhi Chen1,2, Jiacheng Lin1, Yifan Guo1
1College of Computer and Information Engineering, Xiamen University of Technology, Xiamen 361024, China.
Current medical imaging
|January 23, 2024
概括
无监督不平衡注册通过解决数据不平衡来改善4D医学图像注册. 这种新的方法提高了无监督学习任务的准确性和稳定性.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 医疗图像注册对于各种应用至关重要.
- 无监督学习方法与数据不平衡作斗争,导致不准确的连续变量预测.
- 这种不平衡导致注册模式的过度自信和不稳定.
研究的目的:
- 引入无监督失衡注册,以克服4D图像注册中的数据失衡.
- 提高准确性和稳定性,同时防止过度信任无监督登记.
- 为具有挑战性的医学成像任务提供强大的解决方案.
主要方法:
- 使用无监督的图像混合来平滑输入空间.
- 使用无监督的图像注册来学习连续目标变量.
- 评估使用VoxelMorph和ViT-V-Net对4D-Lung数据的方法.
主要成果:
- 在一个小数据集上实现3%-10%的平均注册准确度增加.
- 将精度偏差降低10%,表明稳定性得到改善.
- 与现有的无监督方法相比,展示显著的性能增长.
结论:
- 无监督失衡注册为4D图像注册提供了一个有前途的解决方案.
- 该方法与现有的无监督注册技术兼容.
- 为更可靠,更准确的医学图像分析铺平了道路.
