Deep Learning Based Registration文章阅读(六)
《Adversarial learning for mono- or multi-modal registration》是MIA 2019的一篇文章,是做多模态比较早的一个文章,但是这篇文章不仅是做多模态,它的卖点应该是用GAN来做一个learning-based metric,因为其实pre-designed的metric好像都会限制网络的能力,不管是在单模态还是多模态中。所以这篇文章的motivation也是这个。
Framwork
因为做的比较早,所以其实这篇文章的framework还是比较简单的,如下图:
就是利用GAN网络的判别器D来评估一对图像配准效果,用一个0-1的值来表示。配准网络是一个U-net。 不过值得一提的是,这里判别器D的正例负例不像GAN做Translation的时候那么“显式”。之前GAN网络,生成器生成的是负例,原图像是正例。这里的话,正例图像是fixed和reference图像对,负例图像是fixed和warped图像对。在单模态下,reference,是fixed image和moving image的加权平均,这里fixed image的权重是0.8,moving image的权重是0.2(自然的想法,fixed image的权重最起码要大于0.5)。在多模态下,reference是一些数据集中配对好的图像。具体的子网络结构就不列了,可能比较简单。
Results
简单列下定量结果:
单模态数据集结果:
多模态数据集结果: