[MICCAI2019] Conv2Warp: An unsupervised deformable image registration with continuous convolution an
Conv2Warp: An unsupervised deformable image registration with continuous convolution and warping
作者信息:Sharib Ali , Oxford,Institute of Biomedical Engineering
贡献:
- 使用可变形卷积学习局部非线性形变;
- 使用可学习的 bicubic Catmull-Rom 样条重采样来减少DVF的重采样误差;
- 使用多重scale wraping 策略
- L2正则平滑DVF
在肺CT和脑MRI的公开数据集上进行实验
基础知识
Rigid/Affine registration
:简单配准,仅优化转换矩阵,参数量少,不考虑器官形变。
deformable image registration(DIR)
:传统方法,参数多,计算量杂;深度学习方法更好,体现在两点,一CNN结构能直接从数据同时学习到大量特征,二GPU硬件加速减少运算时间。
DIR的监督学习方法
标签为用传统方法得到的变形向量场(deformable vector fields,DVF),网络学到产生DVF,然后利用predict的DVF对source image 进行形变,使得形变后的图像和target image 最接近。缺点是这样的学习使得CNN仅作为一个回归器来学习DVF,其次得到标签很费时间和计算成本,也可能产生不准确的DVF
DIR的无监督学习方法
CNN无需标签,直接预测DVF。作者认为现有方法中线性CNN对非线性局部形变的预测精度不高。其次,B样条会产生较大的插值误差。
Method
LD-ConvNet (Linear and deformable)
8层卷积,5层普通conv(包含三个AVP)+3层deformable conv; I s I^s Is与 I t I^t Itconcat后输入,输出缩小8倍的两张图像的DVF
NL-DVF-R (Non-linear DVF Resampler)
双三次样条插值(使用bicubic Catmull-Rom样条)放大 LD-ConvNet 得到的DVF。
CWS (Continuous Warping Stage)
在NL-DVF-R中,用每个level得到的DVF和同样大小的图像配准,计算出每个level的loss
损失函数
metric为 NCC(multi-modal normalized cross-correlation),这里等价优化SSD(sum-of-difference)
总loss,其中第二项为正则项,保证DVF能平滑;第三项为CWS计算的NL-DVF-R每个level的DVF配准的loss:
Results
数据集1: 肺CT,DIR-LAB的4DCT 训练,POPI lung dataset 测试
数据集2: 脑MRI,LBPA40 训练,MGH10和CUMC12 测试
我的笔记
目前无监督的深度学习在非刚性配准方面还算比较有挑战性的
这篇效果很好,效果达到传统方法的同时,借助GPU,大大缩减了时间。
另外,最近有篇综述文章
Deep Learning in Medical Image Registration: A Survey
[MICCAI2019] Conv2Warp: An unsupervised deformable image registration with continuous convolution an相关推荐
- 深度学习:Diffusion Models in Vision: A Survey视觉中的扩散模型:综述
Diffusion Models in Vision: A Survey视觉中的扩散模型:综述 0.摘要 1.概述 2.通用模型架构 2.1.Denoising Diffusion Probabili ...
- 基于强化学习的图像配准 - Image Registration: Reinforcement Learning Approaches
配准定义 给定参考图像 I_f 和浮动图像 I_m ,所谓的配准就是寻找一个图像变换T,将浮动图像I_m变换到和 I_f 相同的坐标空间下,使得两个图像中对应的点处于同一坐标下,从而达到信息聚合的目的 ...
- Registration小结2
一.Nonrigid Image Registration Using Multi-scale 3D Convolutional Neural Networks 1.基本方法 首先人工生成DFV(位移 ...
- 论文笔记:CycleMorph: Cycle Consistent UnsupervisedDeformable Image Registration
CycleMorph: Cycle Consistent Unsupervised Deformable Image Registration 针对本篇论文个人总结: 文章最重要的点在于施加循环一致性 ...
- ECCV2022论文列表(中英对照)
Paper ID Paper Title 论文标题 8 Learning Uncoupled-Modulation CVAE for 3D Action-Conditioned Human Motio ...
- 【今日CV 计算机视觉论文速览 第140期】Wed, 3 Jul 2019
今日CS.CV 计算机视觉论文速览 Wed, 3 Jul 2019 Totally 49 papers ?上期速览✈更多精彩请移步主页 Interesting: ?DMT解耦的妆容迁移框架,研究人员提 ...
- (二十九:2021.01.10)MICCAI 2019 追踪之论文纲要(下)
讲在前面 这部分是PART V和PART VI. 论文目录 PART V Computer-Assisted Interventions(计算机辅助干预) 概要 1.Robust Cochlear M ...
- 计算机视觉论文-2021-05-27
本专栏是计算机视觉方向论文收集积累,时间:2021年5月11日,来源:paper digest 欢迎关注原创公众号 [计算机视觉联盟],回复 [西瓜书手推笔记] 可获取我的机器学习纯手推笔记! 直达笔 ...
- 【论文笔记】ICNet:用于无监督医学图像配准的逆一致性模型
本文是文章<Inverse-Consistent Deep Networks for Unsupervised Deformable Image Registration>的阅读笔记. 过 ...
最新文章
- SpringBoot启动类的扫描注解的用法及冲突原则
- Enterprise Library 2.0 技巧(4):如何用编程的方法来配置Logging Application Block
- VMWare Linux虚拟机设置固定IP上网方法(靠谱)
- 牛客网(剑指offer) 第十八题 二叉树的镜像
- 【数据结构与算法】之深入解析“分数到小数”的求解思路与算法示例
- ios开发之使用多文件上传的简单封装最原始的
- 10个遥远但近在人间的天堂...
- 面试过程中千万不要犯这 5 点低级错误
- 基于springcloud的开发者实践:hystrix-dashboard熔断仪表盘
- 跟我一起了解less(3):判断和循环
- 黑马程序员之在Mac系统上安装Tomcat
- Cheat Enginee(CE)修改器详细教程
- 2018 IEEE International Conference on Cyborg and Bionic Systems (CBS)国际会议的组织和参入感悟
- 联想重装系统去掉保护_联想硬盘保护系统7.6卸载后PE还原系统步骤
- 一文读懂中国5G的真正实力
- SC 防火墙防DOS工具机制
- 【Beta】 第六次Daily Scrum Meeting
- 清华大学高琪瑞:基于云端视觉计算建设全球先进的工科实验教学平台
- HTTP POST 参数格式
- 微信小程序-收藏功能