• Ученые МГУ разработали новый метод совмещения медицинских изображений на основе нейронных операторов.
• Модель FNOReg может обучаться на снимках пониженного разрешения и применяться на исходном разрешении без потери точности.
• Решение позволяет экономить вычислительные ресурсы и не жертвовать точностью.
• Работа была представлена на конференции ICPR и опубликована в журнале Lecture Notes in Computer Science.
• Совмещение и точное сопоставление медицинских снимков является ключевой задачей в медицинской диагностике.
• Классические математические методы требуют больших вычислительных мощностей и тонкой ручной настройки.
• Современные нейросетевые подходы требуют большого количества видеопамяти.
• Разработанная модель FNOReg основана на архитектуре Нейронного оператора Фурье (FNO) и оперирует в частотной области.
• Модель устойчива к изменению разрешения входных данных и может эффективно обучаться на сжатых данных.