Abstract: In Defence of mathematical models for deep learning based registration

Lasse Hansen*, Maximilian Blendowski, Mattias P. Heinrich

*Korrespondierende/r Autor/-in für diese Arbeit

Abstract

Deep learning based methods have not reached clinically acceptable results for common medical registration tasks that could be adequately solved using conventional methods. The slower progress compared to image segmentation is due to the lower availability of expert correspondences and the very large learnable parameter space for naive deep learning solutions. We strongly believe that it is necessary and beneficial to integrate conventional optimisation strategies as differentiable modules into deep learning based registration.

OriginalspracheEnglisch
TitelBildverarbeitung für die Medizin 2020
Redakteure/-innenThomas Tolxdorff, Thomas M. Deserno, Heinz Handels, Andreas Maier, Klaus H. Maier-Hein, Christoph Palm
Seitenumfang1
Herausgeber (Verlag)Springer Vieweg, Wiesbaden
Erscheinungsdatum12.02.2020
Seiten32-32
ISBN (Print)978-3-658-29266-9
ISBN (elektronisch)978-3-658-29267-6
DOIs
PublikationsstatusVeröffentlicht - 12.02.2020
VeranstaltungBildverarbeitung für die Medizin 2020 - International workshop on Algorithmen - Systeme - Anwendungen
- Berlin, Deutschland
Dauer: 15.03.202017.03.2020
Konferenznummer: 237969

Fingerprint

Untersuchen Sie die Forschungsthemen von „Abstract: In Defence of mathematical models for deep learning based registration“. Zusammen bilden sie einen einzigartigen Fingerprint.

Zitieren