voxelmorph/voxelmorph

解決する課題

VoxelMorphは、画像レジストレーションと整列のための汎用ライブラリを提供し、特に変形をモデリングするための学習ベースのツールに焦点を当てています。これは、ある画像を別の画像に一致するようにワープさせる方法を学習することで、異なる画像（医療スキャンなど）を整列させる課題に対処します。これは、従来の反復的なレジストレーション手法よりも効率的であることが多いです。

仕組み

このライブラリは、畳み込みニューラルネットワーク（CNN）を使用して、ある画像を別の画像にマッピングする変形フィールドを予測します。以下のようないくつかのレジストレーション・パラダイムをサポートしています：

• Unsupervised Learning: Ground-truthラベルを必要とせず、Mean Squared Error (MSE) や Cross-Correlation (CC) などの損失関数を使用してモデルをトレーニングします。
• Diffeomorphic Registration: 速度場を統合して、結果として得られる変形が滑らかで可逆であることを保証します。
• SynthMorph: 合成画像（ランダムな形状や脳のラベルマップ）を使用してレジストレーションモデルをトレーニングできるようにする戦略であり、実際の取得画像データを使用せずに、モデルを画像コントラストに依存しないものにします。
• HyperMorph: 手動のチューニングを避けるために、レジストレーションのハイパーパラメータの効果を学習する方法です。

対象者

主に、3DまたはN次元画像の整列、変形可能なテンプレート（アトラス）の作成、またはマルチモーダル・レジストレーション（例：CTからMRI）を実行する必要がある、医療画像およびコンピュータビジョンの研究者や実務家向けに設計されています。

ハイライト

• Contrast-Agnostic Registration: SynthMorphを通じて、モデルは実際のデータなしでトレーニングでき、さまざまな画像コントラストを処理できます。
• Flexible Framework: PyTorchとTensorFlow（dev-tensorflow ブランチ経由）の両方をサポートしています。
• Template Construction: 無条件および条件付きの変形可能なテンプレートを作成するためのツールが含まれています。
• Multi-format Support: NIfTI、MGZ、および numpy (.npz) ファイル形式を処理します。
• Pre-trained Models: 一般的なレジストレーションタスク向けに、さまざまな学習済み重みを提供しています。