arXiv cs.CV· Agnieszka Lach, Magdalena Wysocki, Feng Li, Mohammad Farid Azampour, Benjamin D. Killeen, Felix Ginzinger, Mathias Braun, Philipp Steininger, Heinz Deutschmann, Nassir Navab·· 9 小时前AI 评分17
基于解剖感知隐式神经表示的可变形 CT-超声配准
Deformable CT-US Registration via Anatomy-Aware Implicit Neural Representations
AI 导读
研究提出一种可变形 CT-超声配准框架，利用 CT 的 HU 值近似组织刚度作为空间变化正则化，并结合探针接触区位移先验与扇形几何正则项，通过 SIREN 逐帧优化、以归一化梯度场（NGF）训练。该方法在刚性初始化基础上将配准精度提升 17%，优于经典可变形基线，且保持近乎零的拓扑折叠。
来源：arXiv cs.CV · arxiv.org