Rigid Single-Slice Volume Registration via Rotation-Equivariant 2D/3D Feature Matching
💡
原文英文,约100词,阅读约需1分钟。
📝
内容提要
本研究提出了一种自监督的二维/三维注册方法,利用群等变卷积神经网络提取旋转等变特征,解决了刚性单切片体积注册的不足。该方法在无解剖先验数据的情况下,在NSCLC-Radiomics CT和KIRBY21 MRI数据集上表现优异,绝对中位角误差低于2度,特征匹配准确率达89%。
🎯
关键要点
-
本研究提出了一种自监督的二维/三维注册方法,解决了刚性单切片体积注册的不足。
-
该方法利用群等变卷积神经网络提取旋转等变特征,确保高精度的注册。
-
在无解剖先验数据的情况下,该方法在NSCLC-Radiomics CT和KIRBY21 MRI数据集上表现优异。
-
绝对中位角误差低于2度,特征匹配准确率达89%。
➡️