شبكات للتسجيل المشترك للصور بالتحولات الأفينة وغير المعلمية

نقدم إطارًا للتعلم العميق من البداية إلى النهاية لتسجيل الصور الطبية ثلاثية الأبعاد. على عكس الأساليب الحالية، يجمع إطاراتنا بين طريقتين لتسجيل الصور: التسجيل المائل (affine registration) ونموذج حقل السرعة الثابت المعلَّم بالمomentum (vSVF) (vector momentum-parameterized stationary velocity field). بشكل خاص، يتكون الإطار من ثلاثة مراحل. في المرحلة الأولى، يقوم شبكة متعددة الخطوات بالتنبؤ ب매علمات التحويل المائل. في المرحلة الثانية، نستخدم شبكة مشابهة لـ Unet لإنشاء momentum، ومن خلال تسوية هذا الـ momentum يمكن حساب حقل السرعة. أخيرًا، في المرحلة الثالثة، نستعين بمكون vSVF القائم على الخريطة الذاتية القابلة للتكرار لتوفير تحسين غير معلَّم بناءً على التقدير الحالي لخريطة التحويل. بمجرد تدريب النموذج، يتم إكمال عملية التسجيل في مرور واحد للأمام. لتقييم الأداء، أجرينا تجارب طولية وعبر الموضوعات على صور الرنين المغناطيسي ثلاثية الأبعاد (MRI) لركبة مجموعة مبادرة هشاشة العظام (OAI) (Osteoarthritis Initiative). أظهرت النتائج أن إطارنا يحقق أداءً مكافئًا لأحدث أساليب تسجيل الصور الطبية، ولكنه أسرع بكثير، مع سيطرة أفضل على انتظام التحويل بما في ذلك القدرة على إنتاج تحولات تقريبًا متماثلة، ودمج التسجيل المائل وغير المعلَّم.