.png){kind=icon}
返回
Decoder-Only Image Registration
.png){kind=icon}
OA
AI
DOI：10.1109/TMI.2025.3562056.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在无监督医学图像配准中，编码器-解码器架构被广泛用于从配对图像中预测密集、全分辨率的位移场。尽管其应用广泛，但我们质疑让编码器和解码器都具备可学习性的必要性。为解决这一问题，我们提出LessNet，一种仅包含可学习解码器的简化网络架构，同时完全省略了可学习的编码器。相反，LessNet用简单的手工设计特征替代了编码器，从而无需优化编码器参数。这形成了一种紧凑、高效且仅含解码器的3D医学图像配准架构。我们在五个配准任务上评估了我们的仅含解码器的LessNet：1）使用OASIS-1数据集进行跨受试者脑部配准，2）使用IXI数据集进行图谱引导的脑部配准，3）使用ACDC数据集进行心脏ES-ED配准，4）使用CHAOS数据集进行跨受试者腹部MR配准，5）使用来自13个公共数据集的图像进行多研究、多中心的脑部配准。我们的结果表明，LessNet能够有效且高效地学习密集位移场和可微分变形场。此外，我们的仅含解码器的LessNet在达到与VoxelMorph和TransMorph等基准方法相当配准性能的同时，所需的计算资源显著更少。我们的代码和预训练模型可在https://github.com/xi-jia/LessNet获取。
Keyword:
Decoder-only
image registration
U-Net
efficient
diffeomorphic
期刊
IF:
9.8
论文数:
6.3K
被引数:
3.7W
机构
引用论文
Unsupervised learning of probabilistic diffeomorphic registration for images and surfaces.png)
MEDICAL IMAGE ANALYSIS
OAAI
MEDICAL IMAGE ANALYSISIF11.8
OAAI分享收藏MIND: Modality independent neighbourhood descriptor for multi-modal deformable registrationMEDICAL IMAGE ANALYSIS
MEDICAL IMAGE ANALYSISIF11.8
PREAI
分享收藏Open access series of imaging studies (OASIS): Cross-sectional MRI data in young, middle aged, nondemented, and demented older adults开放获取系列影像学研究 (OASIS): 年轻，中年，非痴呆和痴呆老年人的横断面MRI数据OAAI
OAAI分享收藏A reproducible evaluation of ANTs similarity metric performance in brain image registrationNeuroImageOAAI
NeuroImageIF0
OAAI分享收藏
查看更多内容