| List |
| Topic: | Registrace obrazů za pomoci automaticky detekovaných struktur a hlubokého učení. |
|---|---|
| Department: | Katedra kybernetiky |
| Supervisor: | prof. Dr. Ing. Jan Kybic |
| Announce as: | Diplomová práce, Bakalářská práce, Semestrální projekt |
| Description: | Cílem naší práce bude algoritmus pro registraci mono i multimodálních obrázků
[ze dvou různých modalit], nejprve 2D, v budoucnosti bychom ho rádi rozšířili do 3D. Algoritmus má být hlavně rychlý, nemusí být přesný. V první fázi předpokládáme, že obrázky už zhruba zaregistrované jsou, stačí jen doladit - tento předpoklad můžeme postupně uvolnit. Algoritmus bude založen na malých oblastech zájmu ("patch"). Síť dostane dvě takové oblasti zájmu a naučí se predikovat (i) jejich posunutí, (ii) neurčitost, jestli si odpovídají, nebo ne. Postup: - seznamte se s literaturou a s daty a s knihovnou PyTorch - vygenerujte trénovací data a naimplementujte regresní síť pro odhad posunutí dvou malých oblastí zájmu ("patches") - vyhodnoťte přesnost, přidejte různé degradace obrazů a multimodální data - rozšiřte úlohu na hledání jednorozměrného posunutí - rozšiřte úlohu na hledání přesnosti/spolehlivosti odhadu a detekce vhodných struktur pro registraci - integrujte do registračního algoritmu a vyhodnoťte jeho přesnost na datasetu ANHIR |
| Bibliography: | Zitová, Flusser: Image registration methods: a survey. Image and Vision Computing. 2003
Kybic J. and Borovec J. "Fast registration by boundary sampling and linear programming." MICCAI, vol. 11070, pp. 783-791, 2018. Chen et al: Deep learning in medical image registration. Progress in Biomedical Engineering. 2021 A. Dosovitskiy, P. Fischer, E. Ilg, P. Hausser, C. Hazirbas, V. Golkov, P. van der Smagt, D. Cremers, and T. Brox, “Flownet: Learning optical flow with convolutional networks,” in ICCV, 2015, pp. 2758–2766. S. Miao, Z. J. Wang, and R. Liao, “A CNN regression approach for realtime 2d/3d registration,” TMI, vol. 35, no. 5, pp. 1352–1363, 2016 |