脳画像の教師なしマルチモーダルレジストレーションのための相互情報ニューラル推定【JST・京大機械翻訳】

Snaauw Gerard; Sasdelli Michele; Maicas Gabriel; Lau Stephan; Verjans Johan; Jenkinson Mark; Carneiro Gustavo

プレプリント

J-GLOBAL ID：202202215321900560 整理番号：22P0279465

脳画像の教師なしマルチモーダルレジストレーションのための相互情報ニューラル推定【JST・京大機械翻訳】

Mutual information neural estimation for unsupervised multi-modal registration of brain images

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2022年01月25日プレプリントサーバーでの情報更新日： 2022年10月06日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

画像誘導手術および治療における多くの応用は,高速で信頼性のある非線形,マルチモーダル画像記録を必要とする。最近提案された教師なし深層学習ベースレジストレーション法は,時間の一部で反復法に比べて優れた性能を示した。学習ベースの方法の大部分はモノモーダル画像記録に焦点を合わせている。マルチモーダルレジストレーションへの拡張は,相互情報(MI)のような適切な類似性関数の使用に依存する。エンドツーエンド訓練可能ネットワークにおける画像対間のMI推定による深層学習ベースレジストレーション法の訓練を導くことを提案した。結果は,小さな2層ネットワークが,サブ秒実行時間で,モノモードとマルチモーダル登録の両方で競合結果を生成することを示した。反復および深層学習ベース法との比較は,著者らのMIベースの方法が,非拡散型変換の極めて低い速度でトポロジー的および定性的に優れた結果を生成することを示した。リアルタイム臨床応用は,解剖学的構造とより少ない登録失敗/異常値のより良い視覚マッチングから利益を得る。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

図形・画像処理一般 , パターン認識

, ,

前のページに戻る