【论文笔记】用循环一致性避免形变场重叠的医学图像配准网络

本文是论文《Cycle-Consistent Training for Reducing Negative Jacobian Determinant in Deep Registration Networks》的阅读笔记。 微分同胚 配准任务中使用的变换（形变场）理想情况下应该是微分同胚的，这样图像的拓扑性在转换的时候就不会发生变化。微分同胚即是可逆和光滑的，现有的配准方法通常不能从理论上保证形变

>>阅读原文<<