AirLab:自动求导的图像配准开源实验平台 Autograd Image Registration Laboratory

自动求导的图像配准开源实验平台

AirLab是一个开放的医学影像配准实验平台。它为配准算法的快速原型设计和复现提供了一个环境。AirLab的独特之处在于,通过快速原型设计,目标函数的解析梯度可自动计算。另外,在CPU或GPU上执行计算的设备是透明的。AirLab在Python中使用PyTorch作为张量和优化库,SimpleITK用于基本图像IO。它因此受益于机器学习社区的最新进展。

医学图像配准是一个活跃的研究课题,是许多医学图像分析任务的基础。虽然图像配准是一个相当普遍的概念,但通常需要专门的方法来针对特定的配准问题。这种方法的发展和实施是非常艰难的,因为目标函数的梯度必须被手动计算出来。而且,其评估必须优选在GPU上执行以获得更大的图像以及更复杂的转换模型和正则化术语。这阻碍了研究人员从快速原型设计和构成重现研究成果的障碍。显然需要一个隐藏这种复杂性的环境,以将配准方法的建模和实验性探索置于前台。借助“Autograd图像配准实验平台”(AirLab),我们引入了一个用于图像配准任务的开放实验平台,在CPU或GPU上自动计算目标函数的解析梯度并执行计算的设备是透明的。它意味着作为研究人员和开发人员的实验平台,使他们能够快速尝试配准图像的新想法并复制已发布的配准结果。AirLab在Python中使用PyTorch作为张量和优化库,用SimpleITK做基本图像IO。因此,它受益于机器学习界关于优化和深度神经网络模型的最新进展。

https://arxiv.org/abs/1806.09907
https://github.com/airlab-unibas/airlab

转载请注明:《AirLab:自动求导的图像配准开源实验平台 Autograd Image Registration Laboratory

发表评论