NON-RIGID IMAGE REGISTRATION USING SELF-SUPERVISED FULLY CONVOLUTIONAL NETWORKS

一、特点

1. 自监督（相似性度量）
2. multi-resolution image registration framework

二、Method

本文的框架如下图所示：

可以看到网络的输入是Moving image and Fixed Image。loss 是多级loss。其中在不同的网络部分计算一个

Dvloss。其中网络的回归输出（reg）用卷积来模拟回归输出。回归层的输出大小和输入图像大小一样。分别对应三个方向上的偏移。文章中也用了正则化计数，主要是为了对预测的Dv进行正则。

where ???? is the number of pixel/voxels in the deformation field.把配准可以用下图中的公式（2）表示。

在本文中提到的多尺度配准就是网络不同的位置引出一个loss，分别预测一个变形场，然后用于配准图像。然后三个地方分别计算一个NCC（normalized cross-correlation）损失和正则化项。这就是总Loss的组成。

三、Experiments

本文中用到的数据集：LPBA40 dataset