voxelmorph/voxelmorph
Unsupervised Learning for Image Registration
What it solves
VoxelMorph 提供了一個基於學習的影像配準框架，配準是透過建模形變來對齊兩幅影像（例如醫學掃描）的過程。它能有效解決解剖結構不同或成像模式不同（例如 CT 到 MRI）的影像對齊問題。
How it works
此函式庫使用卷積神經網路（CNN）預測形變場，將一幅影像（移動影像）扭曲以匹配另一幅影像（固定影像或圖譜）。它支援多種配準類型，包括使用不同損失函數（MSE、CC）的無監督學習、確保形變平滑且可逆的微分同胚配準，以及仿射配準。函式庫亦包含 SynthMorph，一種使用合成影像而非真實取得資料來訓練配準模型的策略，使模型對比度不敏感。
Who it’s for
此函式庫設計給需要對 3D 體積或影像進行對齊並建模空間形變的醫學影像與電腦視覺領域的研究者與實務者。
Highlights
- 多模態支援：能在不同成像模式之間執行配準，如 CT 到 MRI。
- SynthMorph：透過合成影像訓練配準網路，無需真實訓練資料。
- 微分同胚映射：支援產生平滑、可逆的形變，以維持解剖拓撲結構。
- TensorFlow 與 PyTorch：提供穩定的 TensorFlow 實作與活躍的 PyTorch 開發分支。
- 圖譜建構：包含建立無條件與條件可變形模板（atlas）的工具。