論文の概要: The Right Prior for the Right Deformation: Rethinking Continuous Deformable Image Registration

• arxiv url: http://arxiv.org/abs/2608.16146v1
• Date: Mon, 17 Aug 2026 05:55:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.549495
• Title: The Right Prior for the Right Deformation: Rethinking Continuous Deformable Image Registration
• Title（参考訳）: 正しい変形の正しい優先順位:連続的な変形可能な画像登録を再考する
• Abstract要約: 変形可能な画像登録モデルは、そのパラメトリゼーションと最適化によって、変形前の情報を暗黙的にエンコードする。 本研究では,これらの暗黙の先行が複数の登録タスクにまたがる性能にどのように影響するかを検証するために,連続的な登録手法の検証研究を行う。
• 参考スコア（独自算出の注目度）: 0.13999481573773073
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deformable image registration models implicitly encode deformation priors through their parametrization and optimization. In this work, we conduct a validation study on continuous registration methods to examine how these implicit priors affect performance across different registration tasks. Classic B-Spline transformations impose locality, smoothness, and scale through their control-point structure, whereas recent INR-based methods impose different priors through neural parameterization and optimization. We compare INR-Dense (IDIR), which directly models a dense displacement field using a SIREN-based INR; INR-BSCP (SINR), which predicts B-Spline control points with an INR; D-BSCP, which directly optimizes single-scale B-Spline control points; and MR-D-BSCP, which adds a multiresolution coarse-to-fine scheme. Experiments on inter-subject brain MR registration (OASIS) and intra-subject exhale-to-inhale lung CT registration (DIR-LAB 4DCT) reveal different behavior across deformation regimes. On OASIS, where deformations are moderate but locally complex, D-BSCP matches or slightly outperforms INR-BSCP, suggesting that the B-Spline parameterization accounts for much of INR-BSCP's effectiveness. On DIR-LAB 4DCT, where respiratory motion is larger and more coherent, single-scale B-Spline methods (D-BSCP and INR-BSCP) are less suitable, while INR-Dense and MR-D-BSCP are more effective. Across both tasks, MR-D-BSCP achieves the best performance among the tested continuous parameterizations. These findings highlight that registration accuracy depends strongly on matching the induced deformation prior to the target motion pattern, and support prior-deformation matching as a practical design principle for medical image registration. Our code will be available at https://github.com/HengjieLiu/RightPriorDIR.
• Abstract（参考訳）: 変形可能な画像登録モデルは、そのパラメトリゼーションと最適化によって、変形前の情報を暗黙的にエンコードする。 本研究では,これらの暗黙の先行が複数の登録タスクにまたがる性能にどのように影響するかを検証するために,連続的な登録手法の検証研究を行う。 古典的なB-スプライン変換は、その制御点構造を通して局所性、滑らかさ、スケールを課すが、最近のINRベースの手法では、ニューラルパラメータ化と最適化によって異なる先行を課す。 InR-Dense (IDIR), INR-BSCP (SINR), D-BSCP (D-BSCP), MR-D-BSCP (MR-D-BSCP), MR-D-BSCP (MR-D-BSCP) を比較した。 OASIS (Inter-ject Brain MR registration) とDIR-LAB 4DCT (Intra-ject Exhale-to-inhale lung CT registration) の実験により, 変形様式の異なる挙動が明らかとなった。 変形が適度だが局所的に複雑であるOASISでは、D-BSCPはINR-BSCPにマッチするか、わずかに優れており、B-SplineパラメタライゼーションがINR-BSCPの有効性の大部分を担っていることが示唆されている。 呼吸運動が大きくコヒーレントなDIR-LAB 4DCTでは、シングルスケールのB-Spline法(D-BSCPとINR-BSCP)は適さないが、INR-DenseとMR-D-BSCPはより効果的である。 MR-D-BSCPは、両方のタスクにおいて、テストされた連続パラメータ化の中で最高の性能を達成する。 これらの結果から, 登録精度は, 対象の運動パターンに先行する誘導変形のマッチングに強く依存しており, 医用画像登録の実用的な設計原理として, 事前決定マッチングをサポートすることが示唆された。 私たちのコードはhttps://github.com/HengjieLiu/RightPriorDIRで公開されます。

関連論文リスト

• Test-time Adaptation of Pelvic Bone Segmentation Models via Dynamic Reliability-Guided [62.10276009853225]
  ロボットによる骨盤外傷手術には,CTによる骨切片の信頼性が不可欠である。 既存の方法はPBSに対して限られた有効性を示した。 PBSのための新しいクローズドループ動的信頼性ガイドフレームワーク(ReGA)を提案する。
  論文  参考訳（メタデータ） (2026-08-01T08:13:20Z)
• Warm-Started Reinforcement Learning for Iterative 3D/2D Liver Registration [13.711805805211247]
  学習ベースの手法は、最近、最適化ベースのアプローチに匹敵する登録誤差を達成している。 逐次的意思決定プロセスとしてCT-to-video登録を定式化する離散アクション強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-11T14:58:45Z)
• Morphing Through Time: Diffusion-Based Bridging of Temporal Gaps for Robust Alignment in Change Detection [51.56484100374058]
  既存の変更検出ネットワークを変更することなく空間的・時間的ロバスト性を改善するモジュールパイプラインを導入する。 拡散モジュールは、大きな外観ギャップをブリッジする中間変形フレームを合成し、RoMaは段階的に対応を推定できる。 LEVIR-CD、WHU-CD、DSIFN-CDの実験は、登録精度と下流変化検出の両方において一貫した利得を示した。
  論文  参考訳（メタデータ） (2025-11-11T08:40:28Z)
• TCIP: Threshold-Controlled Iterative Pyramid Network for Deformable Medical Image Registration [21.283219565079413]
  ピラミッドネットワークにおける各デコード層のコアコンポーネントとして機能強化残留モジュール(FERM)を提案する。 FERMは、解剖学的意味的特徴を抽出し、無関係な特徴を抑えることを学習し、最終的な変形場を推定する3つの連続ブロックから構成される。 我々は FERM と TCI をThreshold-Controlled Iterative Pyramid (TCIP) として統合するモデルを作成した。
  論文  参考訳（メタデータ） (2025-10-09T01:38:40Z)
• Learning KAN-based Implicit Neural Representations for Deformable Image Registration [0.8037525071177886]
  我々はKan-IDIRとRandKAN-IDIRを提案し、Kolmogorov-Arnold Networks(KAN)を暗黙のニューラル表現(INR)で変形可能な画像登録に初めて統合した。 提案したランダム化されたベースサンプリング戦略は,登録品質を維持しつつ,kanの必要なベース関数数を削減できる。 Kan-IDIRとRandKAN-IDIRは、すべての評価されたモダリティと解剖において、INRベースの手法の中で最高精度を達成した。
  論文  参考訳（メタデータ） (2025-09-26T19:37:46Z)
• An Adaptive ICP LiDAR Odometry Based on Reliable Initial Pose [11.704772923028976]
  反復クローズトポイント法(ICP)に基づく手法は,LiDARオドメトリーのコア技術となっている。 適応機構の欠如は、複雑な動的環境の効果的処理を妨げる。 本稿では,信頼度の高い初期ポーズに依存する適応型ICPベースのLiDARオドメトリー法を提案する。
  論文  参考訳（メタデータ） (2025-09-26T08:40:53Z)
• cIDIR: Conditioned Implicit Neural Representation for Regularized Deformable Image Registration [0.7022492404644499]
  Inlicit Neural Representation (INR)に基づく新しい変形可能な画像登録フレームワークであるcIDIを提案する。 CIDIは、正規化ハイパーパラメータの事前分布に基づいてトレーニングされ、その上でセグメンテーションマスクを観察として使用することで最適化される。 データセット全体で高い精度と堅牢性を達成する。
  論文  参考訳（メタデータ） (2025-07-17T09:48:53Z)
• DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
  本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。 フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
  論文  参考訳（メタデータ） (2024-06-05T06:18:03Z)
• Provably Efficient UCB-type Algorithms For Learning Predictive State Representations [55.00359893021461]
  逐次決定問題は、予測状態表現(PSR)によってモデル化された低ランク構造が認められる場合、統計的に学習可能である 本稿では,推定モデルと実モデル間の全変動距離を上限とする新しいボーナス項を特徴とする,PSRに対する最初のUCB型アプローチを提案する。 PSRに対する既存のアプローチとは対照的に、UCB型アルゴリズムは計算的トラクタビリティ、最優先の準最適ポリシー、モデルの精度が保証される。
  論文  参考訳（メタデータ） (2023-07-01T18:35:21Z)
• GSMorph: Gradient Surgery for cine-MRI Cardiac Deformable Registration [62.41725951450803]
  学習に基づく変形可能な登録は、フィールドの登録精度と滑らかさをトレードオフする重み付けされた目的関数に依存する。 我々は,GSMorphと呼ばれる勾配手術機構に基づく登録モデルを構築し,複数の損失に対してパラメータフリーな高バランスを実現する。 提案手法はモデルに依存しないため,パラメータの追加や推論の遅延を伴わずに,任意のディープ登録ネットワークにマージすることができる。
  論文  参考訳（メタデータ） (2023-06-26T13:32:09Z)
• Uncertainty-Aware Source-Free Adaptive Image Super-Resolution with Wavelet Augmentation Transformer [60.31021888394358]
  Unsupervised Domain Adaptation (UDA)は、現実世界の超解像(SR)における領域ギャップ問題に効果的に対処できる 本稿では,画像SR(SODA-SR)のためのSOurce-free Domain Adaptationフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-31T03:14:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。