该论文创新性地提出了一种具有随机策略的计划者-执行者-评论家强化学习模型。该模型可有效解决强化学习模型因状态空间和动作空间过大而无法处理图像柔性配准问题的缺陷,是国际上首次提出使用强化学习完成图像柔性配准的工作。本文在多种医学图像配准数据集上对该方法进行评估,实验结果表明此方法超越了当前该领域的先进模型,具有优异的配准效果。

https://www.zhuanzhi.ai/paper/d360dbeb5d74236dbdfeeb56a0be19da

成为VIP会员查看完整内容
21

相关内容

【AAAI2022】基于对比学习的预训练语言模型剪枝压缩
专知会员服务
27+阅读 · 2022年1月24日
专知会员服务
13+阅读 · 2021年10月9日
专知会员服务
14+阅读 · 2021年8月2日
专知会员服务
14+阅读 · 2021年6月16日
专知会员服务
68+阅读 · 2021年4月27日
【AAAI2021】基于双任务一致性的半监督医学图像分割
专知会员服务
30+阅读 · 2021年2月7日
专知会员服务
29+阅读 · 2020年12月14日
【AAAI2021】通过离散优化的可解释序列分类
专知会员服务
17+阅读 · 2020年12月5日
【ICML2020】强化学习中基于模型的方法,279页ppt
专知会员服务
46+阅读 · 2020年10月26日
基于自监督的可逆性强化学习方法
AI前线
4+阅读 · 2021年12月3日
【WWW2021】基于知识嵌入的图卷积网络
专知
0+阅读 · 2021年4月27日
【CVPR2021】空间一致性表示学习
专知
0+阅读 · 2021年3月12日
国家自然科学基金
23+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
5+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
5+阅读 · 2009年12月31日
国家自然科学基金
46+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
1+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
35+阅读 · 2021年1月27日
Arxiv
20+阅读 · 2019年9月7日
Arxiv
24+阅读 · 2018年10月24日
VIP会员
相关VIP内容
【AAAI2022】基于对比学习的预训练语言模型剪枝压缩
专知会员服务
27+阅读 · 2022年1月24日
专知会员服务
13+阅读 · 2021年10月9日
专知会员服务
14+阅读 · 2021年8月2日
专知会员服务
14+阅读 · 2021年6月16日
专知会员服务
68+阅读 · 2021年4月27日
【AAAI2021】基于双任务一致性的半监督医学图像分割
专知会员服务
30+阅读 · 2021年2月7日
专知会员服务
29+阅读 · 2020年12月14日
【AAAI2021】通过离散优化的可解释序列分类
专知会员服务
17+阅读 · 2020年12月5日
【ICML2020】强化学习中基于模型的方法,279页ppt
专知会员服务
46+阅读 · 2020年10月26日
相关基金
国家自然科学基金
23+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
5+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
5+阅读 · 2009年12月31日
国家自然科学基金
46+阅读 · 2009年12月31日
相关论文
微信扫码咨询专知VIP会员