EPDIFF-JF-NET: Adjoint Jacobi Fields for Diffeomorphic  Registration Networks
Resumen: This paper presents a deep learning unsupervisedapproach for diffeomorphic image registrationcalled EPDiff-JF-Net. We propose a novel paralleltransport layer to compute the gradients necessaryfor training with adjoint Jacobi fields. We test ourmethod on two independent brain MRI datasets andobtain state-of-the-art results.
Idioma: Inglés
DOI: 10.26754/jjii3a.202410613
Año: 2024
Publicado en: Jornada de jóvenes investigadores del I3A 12 (2024), [2 pp.]
ISSN: 2341-4790

Financiación: info:eu-repo/grantAgreement/ES/DGA/T64-20R
Financiación: info:eu-repo/grantAgreement/ES/MICINN/PID2019-104358RB-I00
Financiación: info:eu-repo/grantAgreement/ES/MICINN/PID2022-138703OB-I00
Tipo y forma: Artículo (Versión definitiva)
Área (Departamento): Área Lenguajes y Sistemas Inf. (Dpto. Informát.Ingenie.Sistms.)

Creative Commons Debe reconocer adecuadamente la autoría, proporcionar un enlace a la licencia e indicar si se han realizado cambios. Puede hacerlo de cualquier manera razonable, pero no de una manera que sugiera que tiene el apoyo del licenciador o lo recibe por el uso que hace. No puede utilizar el material para una finalidad comercial.


Exportado de SIDERAL (2024-12-12-12:44:20)


Visitas y descargas

Este artículo se encuentra en las siguientes colecciones:
Artículos > Artículos por área > Lenguajes y Sistemas Informáticos



 Registro creado el 2024-12-12, última modificación el 2024-12-12


Versión publicada:
 PDF
Valore este documento:

Rate this document:
1
2
3
 
(Sin ninguna reseña)