비지도 학습을 통한 이미지 및 표면의 확률적 미분 등록 학습

전통적인 변형 등록 기술은 뛰어난 결과를 달성하며 엄격한 이론적 접근을 제공하지만, 각 이미지 쌍에 대해 최적화 문제를 해결해야 하므로 계산적으로 비용이 많이 드릅니다. 최근에는 학습 기반 방법들이 공간 변형 함수를 학습하여 빠른 등록을 가능하게 하였습니다. 그러나 이러한 접근 방식들은 제한된 변형 모델을 사용하거나 지도 라벨이 필요하거나, 미분 동형인(위상 보존) 등록을 보장하지 못하는 경우가 많습니다. 또한, 학습 기반 등록 도구들은 불확실성 추정을 제공할 수 있는 확률적 프레임워크에서 유래되지 않았습니다.본 논문에서는 전통적인 방법과 학습 기반 방법 사이의 연결성을 구축합니다. 우리는 확률적 생성 모델을 제시하고, 전통적인 등록 방법에서 얻은 통찰력을 활용하여 최근의 컨볼루션 신경망(CNNs) 발전 성과를 이용하는 비지도 학습 기반 추론 알고리즘을 도출하였습니다. 우리의 방법은 3D 뇌 이미지와 해부학적 표면의 등록 작업에서 시연되며, 광범위한 경험적 분석을 제공합니다. 원칙에 입각한 우리의 접근 방식은 최고 수준의 정확도와 매우 빠른 실행 시간을 달성하면서 미분 동형성을 보장합니다. 우리의 구현은 http://voxelmorph.csail.mit.edu 에서 확인할 수 있습니다.