我看到voxelmorph的论文里提到使用了微分同胚变换，但是我不明白具体体现在哪里，对微分同胚变换也有一点疑问，希望可以推荐一些文章，或者解答其体现的地方，谢谢各位佬！
0条回答 默认 最新
- 2020-09-04 21:26棉花糖灬的博客 本文是论文《CycleMorph: Cycle Consistent Unsupervised Deformable Image Registration》的阅读笔记。 现有的既又深度学习的配准方法通常不能保证拓扑保持（preservation of topology），为了解决这个...在该模型
- 2022-02-24 21:50喝鸡汤的博客 传统的可变形配准需要大量的计算时间，基于学习的配准方法可以减少训练时间但是需要标签值（比较少）或者没有保证微分同胚特性。本文提出一个概率生成模型并推到一个基于无监督学习的推理算法，不仅保证了微分同胚...
- 2022-11-28 11:03PKSolar的博客 在本文中，提出了一种新的基于Swin Transformer对称无监督学习网络，它可以最小化图像之间的差异，并同时估计正变换和逆变换像相关性.具体地说，本文提出了三维Swin-UNet，它应用具有Shfited window的分层Swin ...
- 2022-02-08 14:58喝鸡汤的博客 VoxelMorph进行的实验探究 实验设置： 1.数据集：使用八个公开数据集的T1加权值MRI图像（ OASIS ，ABIDE，ADHD200， MCIC，PPMI ， HABS，Harvard GSP，FreeSurfer Buckner40），所有图像被重采样为256×256×256...
- 2025-12-09 20:01weixin_42158501的博客 特性说明无监督无需昂贵的形变标注速度快GPU 上 3D 配准 秒（传统方法需分钟级）端到端可微支持联合优化拓扑保持微分同胚选项确保解剖合理性开箱即用提供预训练模型、示例脚本、Jupyter Notebook活跃社区GitHub 超 ...
- 2021-01-11 17:07唐名威的博客 点击上方蓝字关注我们深度学习在医学影像中的研究进展及发展趋势王丽会1,2,秦永彬1,21贵州省智能医学影像分析与精准诊断重点实验室，贵州 贵阳 5500252贵州大学计算机科学与技...
- 2025-11-02 19:33wydxry的博客 而深度学习方法凭借其端到端学习和处理复杂形变的强大能力，正成为研究前沿，并在许多挑战性任务中展现出超越传统方法的潜力。未来，我们有望看到更快速、更精准、更鲁棒的配准算法出现，它们将更好地解决多模态、大...
- 2025-03-11 23:32is pyfa鸭的博客 单帧去噪：*传统方法基于偏微分方程（PDE）的非线性扩散方法在OCT图像增强和去噪。*基于非局部均值（Nonlocal Means, NLM）的去噪滤波器，使用双高斯各向异性核来有效抑制OCT图像中的散斑噪声。深度学习方法：*结合...
- 2024-12-27 10:19passion_up的博客 通常，由于患者的局部变形（因呼吸，解剖学变化等），两个医学图像之间的变换不能简单地通过单应矩阵描述，这需要更复杂的变换模型，例如由位移矢量场表示微分同胚（diffeomorphisms）。作者声称，与传统的基于特征...
- 2025-02-07 18:40小白学视觉的博客 大变形图像配准是医学图像配准中的一项挑战性任务。迭代配准和金字塔配准是两种常见的基于CNN的方法。然而，这些方法通常消耗更多的参数和时间。此外，现有的基于CNN的配准方法主要关注局部特征提取，限制了它们捕捉...
- 没有解决我的问题, 去提问
问题事件
系统已结题
11月25日
创建了问题
11月17日