voxelmorph/voxelmorph

해결하는 문제

VoxelMorph는 이미지 등록 및 정렬을 위한 범용 라이브러리를 제공하며, 특히 변형을 모델링하기 위한 학습 기반 도구에 초점을 맞춥니다. 이는 한 이미지를 다른 이미지에 맞게 왜곡하는 방법을 학습함으로써 서로 다른 이미지(예: 의료 스캔)를 정렬하는 문제를 해결하며, 이는 종종 전통적인 반복적 등록 방법보다 더 효율적입니다.

작동 원리

이 라이브러리는 합성곱 신경망(CNN)을 사용하여 한 이미지를 다른 이미지로 매핑하는 변형 필드를 예측합니다. 다음과 같은 여러 등록 패러다임을 지원합니다:

• Unsupervised Learning: Ground-truth 레이블이 필요하지 않은 Mean Squared Error (MSE) 또는 Cross-Correlation (CC)와 같은 손실 함수를 사용하여 모델을 훈련합니다.
• Diffeomorphic Registration: 속도장을 통합하여 결과 변형이 매끄럽고 가역적이도록 보장합니다.
• SynthMorph: 실제 획득된 영상 데이터 대신 합성된 이미지(무작위 모양 또는 뇌 레이블 맵)를 사용하여 등록 모델을 훈련할 수 있는 전략으로, 모델이 이미지 대비에 무관하게 만듭니다.
• HyperMorph: 수동 튜닝을 피하기 위해 등록 하이퍼파라미터의 효과를 학습하는 방법입니다.

대상 사용자

주로 3D 또는 N차원 이미지를 정렬하거나, 변형 가능한 템플릿(아틀라스)을 생성하거나, 멀티모달 등록(예: CT에서 MRI)을 수행해야 하는 의료 영상 및 컴퓨터 비전 분야의 연구자와 실무자를 위해 설계되었습니다.

주요 특징

• Contrast-Agnostic Registration: SynthMorph를 통해 실제 데이터 없이도 다양한 이미지 대비를 처리할 수 있도록 모델을 훈련할 수 있습니다.
• Flexible Framework: PyTorch와 TensorFlow(dev-tensorflow 브랜치)를 모두 지원합니다.
• Template Construction: 무조건적 및 조건부 변형 가능한 템플릿을 생성하기 위한 도구가 포함되어 있습니다.
• Multi-format Support: NIfTI, MGZ 및 numpy (.npz) 파일 형식을 처리합니다.
• Pre-trained Models: 일반적인 등록 작업에 대해 다양한 사전 학습된 가중치를 제공합니다.