无监督多模态医学图像配准方法 INNReg 提出
热点事件持续更新
无监督多模态医学图像配准方法 INNReg 提出
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
研究人员 Mengjie Guo 和 Jinming Duan 在 arXiv 发布了名为 INNReg 的研究论文,提出了一种基于可逆神经网络的无监督多模态医学图像配准方法。该方法利用动态深度卷积局部注意力机制及基于归一化互信息的屏障损失函数,旨在保障 MRI T1/T2 及 MRI/CT 数据集上的图像翻译几何一致性。相关代码已公开,研究发表于 arXiv:2611.22152 [cs.CV]。
AI 根据报道生成 · 12 小时前更新
报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv · 机器人与计算机视觉Invertible Neural Network-based Registration (INNReg) 实现无监督多模态医学图像配准
INNReg 通过可逆神经网络与动态深度卷积局部注意力机制,在 MRI T1/T2 及 MRI/CT 数据集上实现了无监督多模态医学图像配准。该方法利用基于归一化互信息的屏障损失函数约束注册网络,有效保障了图像翻译后的几何一致性。相关代码已公开,研究发表于 arXiv:2611.22152 [cs.CV]。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 1011月18日 14:00
- 近 24 小时变化
- –
02.557.510
14:0016:0018:0020:0022:0011月19日
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。