EPDIFF-JF-NET: Adjoint Jacobi Fields for Diffeomorphic Registration Networks
DOI:
https://doi.org/10.26754/jjii3a.202410613Resumen
This paper presents a deep learning unsupervised
approach for diffeomorphic image registration
called EPDiff-JF-Net. We propose a novel parallel
transport layer to compute the gradients necessary
for training with adjoint Jacobi fields. We test our
method on two independent brain MRI datasets and
obtain state-of-the-art results.
Descargas
Los datos de descargas todavía no están disponibles.
Descargas
Publicado
2024-07-17
Cómo citar
Ramon Julvez, U., Hernández Giménez, M., & Mayordomo Cámara, E. (2024). EPDIFF-JF-NET: Adjoint Jacobi Fields for Diffeomorphic Registration Networks. Jornada De Jóvenes Investigadores Del I3A, 12. https://doi.org/10.26754/jjii3a.202410613
Número
Sección
Artículos (Tecnologías de la Información y las Comunicaciones)
Licencia
Derechos de autor 2024 Ubaldo Ramon Julvez, Mónica Hernández Giménez, Elvira Mayordomo Cámara
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.