基于IMSE多模态图像配准方法研究.pdfVIP

不可描述的多模态空间评估器

曼特亚X.SharonQi加州大学洛杉福州大学

_

科技kid矶分校xqi@qijinshen

liet@163.com

@

厦门大学梅奥诊所

jiachengw@stu.x厦门大学亚利桑那分部

3

2zhangjingyi1@Hu.Yanle@

0

2

r曼特亚科技

a

Mzhouqc@

2

]

VGANIMSEIMSEIMSE

IMSE

C

.

s

c

[多-模态图像配准在空间上对齐具有不同分布的两XYXY

2幅图像。其主要之一是，来自不同成像设备的图

v像具有不同的成像分布，使得难以仅关注图像的空间

9

6方面而忽略分布差异。在本研究中，我们开发了一种分布映射实例映射

3自-监督方法，即不可描述的多-模态空间评估器（移动图像移动图像x目标图像目标图像y通讯不对应

目标图像

0目标图像y

0

3.IndescribableMulti-modelSpatialEvaluator，

0IMSE），用于解决多-模态图像配准问题。IMSE创建通讯作者。

3

2了一个精确的多-模态空间评估器，用于测量两幅图像

:

v之间的空间差异，然后通过最小化评估器预测的误差

i

X来优化配准。为了优化IMSE的性能，我们还提出了一

r种新的风格增强方法ShuffleRemap，该方法将图像分

a

布随机划分为多个片段，然后对这些片段进行随机打乱

和重新映射，从而改变原始图像的分布。Shuffle

Remap可帮助IMSE从以前未见过的目标分布中预测

空间位置的差异。我们的结果表明，IMSE在使用T1-

T2和CT-MRI数据集进行配准时优于现有方法。

IMSE还可以轻松集成到传统配准流程中，并能评

估和可视化配-准结果的便捷方式。IMSE还有潜力作为

图像-到-图像翻译的新范式。我们的代码可在-以下地址

获取：。

图1。基于GAN的方法只能确保将X域的分布映射到Y域

的分布。理想情况下，我们希望实现实例配准，即移动

图像和目标图像之间是一一对应的。

1.引言

多模态图像配准的目的是通过变形场φ空

间，将两个具有不同分布的图像（移动图像（M）