Deep Learning Based Registration文章阅读(十四)Deformable MR-CT Image Registration Using an Unsupervised, D

Deep Learning Based Registration文章阅读(十四)

本篇文章《Deformable MR-CT Image Registration Using an Unsupervised, Dual-Channel Network for Neurosurgical Guidance》来自于MIA 2021,本篇文章处理多模态问题还是基于GAN来做,通过结合CycleGAN网络来将多模态问题转为单模态问题来解。整体框架还是无监督,NCC做转为单模态后的similarity loss,个人感觉最大的创新点来自于通过将CycleGAN的输出改为输出要转为模态的mean和var,并用MLP将合成CT-CT,MR-合成MR两个估计出来的flow field做一个fusion,然后用这个flow去做两个模态的warp,并用var做pixel-wise的不确定度权重来计算两个模态的NCC作为最终无监督的loss。总体框架如下图:
在这里插入图片描述

CycleGAN

在这里插入图片描述
c图表明,最后的输出改为两个,一个mean,一个var。d图表明,判别器对根据Laplace分布sample到的图像从三个level进行判别。值得一提的是,sampling过程不是可微的,这篇文章用到了”重参数化“trick。

Registration

基本沿用了VoxelMorph以及微分同胚VoxelMorph,值得一提的是,因为CycleGAN输出了var,这个var作为一种不确定度来pixel-wise加权到每一个warp后的转换模态的mean,然后再计算NCC。
在这里插入图片描述
在这里插入图片描述
PS:其他部分就直接看原文,都比较好理解。

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值