DSMR:双流网络与精细化模块用于无监督的多模式图像注册
Lei Li1, Liumin Zhu2, Qifu Wang3
1Key Laboratory of Grain Information Processing and Control, Henan University of Technology, Zhengzhou, 450001, China. leili@haut.edu.cn.
Interdisciplinary sciences, computational life sciences
|April 19, 2025
概括
这项研究引入了一种新的双流框架,用于无监督的多模式医疗图像注册. 该方法通过生成和完善变形场来有效地对准不同模式的图像,改善空间对应性.
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:
- 多模体医疗图像注册对于从不同来源的图像对齐至关重要.
- 无监督方法由于缺乏明确的参考关系而面临挑战.
研究的目的:
- 提出一个新的无监督的双流多模式注册框架 (DSMR).
- 为了提高多模式图像对齐的准确性和概括性,而没有地面真相数据.
主要方法:
- DSMR采用双流网络和一个改进模块.
- 它产生了两个变形场:一个初始的变形场和一个翻译的变形场,作为伪基真相.
- 翻译网络将移动图像转换为类似固定图像的翻译图像.
主要成果:
- DSMR在无监督多模式注册方面表现出色.
- 该框架在不同的模式中显示出强大的概括能力.
- 改进模块有效地集成注册错误和上下文信息.
结论:
- 拟议的DSMR框架显著推进了无监督的多模式医疗图像注册.
- 这种方法为建立不同图像模式之间的空间对应提供了一个强大的解决方案.
- 这种方法减轻了与图像翻译相关的问题,并提高了注册的准确性.


