SearchMorph:Multi-scale Correlation Iterative Network for Deformable Registration

要約

変形可能な画像レジストレーションは，画像の動的な情報を提供し，医用画像解析において不可欠である．しかし，単時間の脳MR画像と多時間の心エコー画像は特性が異なるため，同じアルゴリズムやモデルで正確にレジストレーションすることは困難である．我々は教師なしマルチスケール相関反復レジストレーションネットワーク（SearchMorph）を提案し，このモデルは3つのハイライトを持つ．(1)特徴相関を強化するためにコストボリュームを導入し、マルチスケール相関情報を補完するために相関ピラミッドを構築した。(2)マルチスケールピラミッド内の特徴量の登録を検索する検索モジュールを設計した。(3) GRU モジュールを用いて変形場の反復的な精密化を行う。本論文で提案するネットワークは、一般的な単時間のレジストレーションタスクにおいてリーダーシップを発揮し、多時間の動き推定タスクを解決する。実験結果より，提案手法は最先端の手法と比較して，高いレジストレーション精度と低い折り返し点比率を達成することが示された．

要約(オリジナル)

Deformable image registration provides dynamic information about the image and is essential in medical image analysis. However, due to the different characteristics of single-temporal brain MR images and multi-temporal echocardiograms, it is difficult to accurately register them using the same algorithm or model. We propose an unsupervised multi-scale correlation iterative registration network (SearchMorph), and the model has three highlights. (1)We introduced cost volumes to strengthen feature correlations and constructed correlation pyramids to complement multi-scale correlation information. (2) We designed the search module to search for the registration of features in multi-scale pyramids. (3) We use the GRU module for iterative refinement of the deformation field. The proposed network in this paper shows leadership in common single-temporal registration tasks and solves multi-temporal motion estimation tasks. The experimental results show that our proposed method achieves higher registration accuracy and a lower folding point ratio than the state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL