ISTN 我们引入了一种新颖的,基于学习的通用图像注册框架,即图像和空间变压器网络,以利用兴趣结构信息,使我们能够学习针对下游注册任务进行了优化的新图像表示形式。 由于这些表示,我们可以对转换参数进行特定于测试的迭代细化,即使使用非常有限的训练数据也可以产生高度准确的配准。 该作品已在MICCAI 2019上被接受。如果您使用该代码,请在所有由此而来的出版物中引用该论文: @inproceedings{lee2019istn, author = {Lee, Matthew C.H. and Oktay, Ozan and Schuh, Andreas and Schaap, Michiel and Glocker, Ben}, title = {Image-and-Spatial Transformer Networks for Structure-guided Ima