DefTransNet

DINE框架通过全局形变先验增强软组织配准

研究人员开发了DINE，一种用于非刚性点云配准的新框架，提高了软组织分析的准确性和鲁棒性。与专注于Chamfer距离等局部目标的先前方法不同，DINE整合了学习到的位移矢量场统计先验，以约束全局形变的合理性。当应用于现有的配准骨干网络时，DINE在DeformedTissue和SynBench等基准数据集上展示了Chamfer距离的显著降低以及对噪声和离群值的鲁棒性增强。