EPDIFF-JF-NET: Adjoint Jacobi Fields for Diffeomorphic Registration Networks

Autores/as

  • Ubaldo Ramon Julvez COS2MOS
  • Mónica Hernández Giménez
  • Elvira Mayordomo Cámara

DOI:

https://doi.org/10.26754/jjii3a.202410613

Resumen

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)