电气工程与系统科学>图像和视频处理
标题: 医学图像配准中的深度学习:新技术、不确定性、评估指标及其他
摘要: 在过去十年中,深度学习技术极大地改变了医学图像注册领域。 最初的发展,如基于回归和基于U-Net的网络,为图像配准的深度学习奠定了基础。 随后在基于深度学习的配准的各个方面取得了进展,包括相似性度量、变形正则化、网络架构和不确定性估计。 这些进步不仅丰富了图像配准的领域,而且促进了其在广泛任务中的应用,包括地图集构建、多目标分割、运动估计和2D-3D配准。 在本文中,我们全面概述了基于深度学习的图像配准的最新进展。 我们首先简要介绍基于深度学习的图像配准的核心概念。 然后,我们深入研究了创新的网络架构、特定于注册的损失函数以及估计注册不确定性的方法。 此外,本文还探讨了用于评估深度学习模型在注册任务中的性能的适当评估指标。 最后,我们重点介绍了这些新技术在医学成像中的实际应用,并讨论了基于深度学习的图像配准的未来前景。