要約
この論文では、learn2reg 2024 Challenge のタスク 2 に対して提案した手法と実験結果をまとめます。
このタスクは、異なる患者間の脳 MRI 画像における解剖学的構造の教師なし位置合わせに焦点を当てています。
問題は、(1) セグメンテーション ラベルがないこと、および (2) 大量のデータにあります。
これらの課題に対処するために、私たちは効率的なバックボーン ネットワークを構築し、登録精度をさらに高めるためのいくつかのスキームを検討しました。
NCC 損失関数と平滑性正則化損失関数の指導の下で、滑らかで合理的な変形フィールドが得られました。
リーダーボードによると、私たちの方法は 77.34% の Dice 係数を達成しました。これは、TransMorph よりも 1.4% 高いです。
全体として、タスク 2 のリーダーボードで 2 位を獲得しました。
要約(オリジナル)
In this paper, we summarize the methods and experimental results we proposed for Task 2 in the learn2reg 2024 Challenge. This task focuses on unsupervised registration of anatomical structures in brain MRI images between different patients. The difficulty lies in: (1) without segmentation labels, and (2) a large amount of data. To address these challenges, we built an efficient backbone network and explored several schemes to further enhance registration accuracy. Under the guidance of the NCC loss function and smoothness regularization loss function, we obtained a smooth and reasonable deformation field. According to the leaderboard, our method achieved a Dice coefficient of 77.34%, which is 1.4% higher than the TransMorph. Overall, we won second place on the leaderboard for Task 2.
arxiv情報
| 著者 | Yuxi Zhang,Xiang Chen,Jiazheng Wang,Min Liu,Yaonan Wang,Dongdong Liu,Renjiu Hu,Hang Zhang |
| 発行日 | 2024-09-04 13:04:03+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google