LiamZhang

关于位移矢量场(形变场可视化问题)以及针对医学图像配准适合适用这种配准方法？

5

老师你好，我主要研究方向是医学图像融合处理的。在你这篇UMF-CMGR中，请问一下，一般我们是不可知或者根本无法完 全获得形变图像的位移矢量信息（比如，图像发生了局部形变或者全局变换的，以及对于更加复杂的形变中我们一般是无法预知 其自由度大小的），你这种方式相当于提前知道了图像的形变参数，然后在画出相应的形变网格图或者稠密光流图的。但如果不 知道形变参数，只有网络的预测形变场(2D-> (B, H, W, W), 3D-> (B, X, Y, Z, 3)),以及经过STN网络预测得到的warped img，请问加 形变网格的warped img图像该咋画？而你在本文中是对已知形变参数矩阵求逆(形变场不一定光滑可逆)得到的。 其次，我想问下，你提出的跨模态风格迁移网络CPSTN能否用于误对齐的2D多模态医学图像融合领域，比如MRI-CT, MRI- PET, MRI-UlTRA等图像融合，考虑到不同模态传感器成像或者断层图像的差异，这种利用GAN网络的跨模态的风格迁移方式能否 适用呢？

Recently,i am obsessed in the few-shot learning,and try to extend it into other computer vision tasks.I'am surprised that the terms of support set and query set when training this network...