Buchumschlag

Divide to Conquer: A Field Decomposition Approach for Multi-Organ Whole-Body CT Image Registration

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pham, Xuan Loc, Prokop, Mathias, van Ginneken, Bram, Hering, Alessa
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

TotalRegistrator: Towards a Lightweight Foundation Model for CT Image Registration
von: Pham, Xuan Loc, et al.
Veröffentlicht: (2025)

Benchmarking Foundation Models for Renal Lesion Stratification in CT
von: Häntze, Hartmut, et al.
Veröffentlicht: (2026)

Unstable Prompts, Unreliable Segmentations: A Challenge for Longitudinal Lesion Analysis
von: Rocholl, Niels, et al.
Veröffentlicht: (2025)

ULS+: Data-driven Model Adaptation Enhances Lesion Segmentation
von: Weber, Rianne, et al.
Veröffentlicht: (2026)

Deformable Medical Image Registration with Effective Anatomical Structure Representation and Divide-and-Conquer Network
von: Ma, Xinke, et al.
Veröffentlicht: (2025)

Leveraging Open-Source Large Language Models for Clinical Information Extraction in Resource-Constrained Settings
von: Builtjes, Luc, et al.
Veröffentlicht: (2025)

Robust Kidney Abnormality Segmentation: A Validation Study of an AI-Based Framework
von: de Boer, Sarah, et al.
Veröffentlicht: (2025)

Progressive Divide-and-Conquer via Subsampling Decomposition for Accelerated MRI
von: Wang, Chong, et al.
Veröffentlicht: (2024)

Kidney Cancer Detection Using 3D-Based Latent Diffusion Models
von: Dusseljee, Jen, et al.
Veröffentlicht: (2026)

MicroCinema: A Divide-and-Conquer Approach for Text-to-Video Generation
von: Wang, Yanhui, et al.
Veröffentlicht: (2023)

Divide and Conquer: Rethinking the Training Paradigm of Neural Radiance Fields
von: Ma, Rongkai, et al.
Veröffentlicht: (2024)

Semantics versus Identity: A Divide-and-Conquer Approach towards Adjustable Medical Image De-Identification
von: Tian, Yuan, et al.
Veröffentlicht: (2025)

Divide and Conquer: Reliable Multi-View Evidential Learning for Deepfake Detection
von: Kang, Xiaolu, et al.
Veröffentlicht: (2026)

Low-Rank Continual Pyramid Vision Transformer: Incrementally Segment Whole-Body Organs in CT with Light-Weighted Adaptation
von: Zhu, Vince, et al.
Veröffentlicht: (2024)

Divide-and-Conquer Approach to Holistic Cognition in High-Similarity Contexts with Limited Data
von: Wang, Shijie, et al.
Veröffentlicht: (2026)

DC-Net: Divide-and-Conquer for Salient Object Detection
von: Zhu, Jiayi, et al.
Veröffentlicht: (2023)

DCA: Dividing and Conquering Amnesia in Incremental Object Detection
von: Zhang, Aoting, et al.
Veröffentlicht: (2025)

Rethinking Whole-Body CT Image Interpretation: An Abnormality-Centric Approach
von: Zhao, Ziheng, et al.
Veröffentlicht: (2025)

CTARR: A fast and robust method for identifying anatomical regions on CT images via atlas registration
von: Buddenkotte, Thomas, et al.
Veröffentlicht: (2024)

Divide and Conquer: Grounding a Bleeding Areas in Gastrointestinal Image with Two-Stage Model
von: Lin, Yu-Fan, et al.
Veröffentlicht: (2024)

DivCon: Divide and Conquer for Complex Numerical and Spatial Reasoning in Text-to-Image Generation
von: Jia, Yuhao, et al.
Veröffentlicht: (2024)

MERG3R: A Divide-and-Conquer Approach to Large-Scale Neural Visual Geometry
von: Cheng, Leo Kaixuan, et al.
Veröffentlicht: (2026)

Divide and Conquer: Decoupled Representation Alignment for Multimodal World Models
von: Xiao, Junyuan, et al.
Veröffentlicht: (2026)

GeoMoE: Divide-and-Conquer Motion Field Modeling with Mixture-of-Experts for Two-View Geometry
von: Le, Jiajun, et al.
Veröffentlicht: (2025)

Divide and Conquer: Language Models can Plan and Self-Correct for Compositional Text-to-Image Generation
von: Wang, Zhenyu, et al.
Veröffentlicht: (2024)

CT-Guided Spatially-varying Regularization for Voxel-Wise Deformable Whole-Body PET Registration
von: Wu, Xiangcen, et al.
Veröffentlicht: (2026)

PETWB-REP: A Multi-Cancer Whole-Body FDG PET/CT and Radiology Report Dataset for Medical Imaging Research
von: Xue, Le, et al.
Veröffentlicht: (2025)

ShadowHack: Hacking Shadows via Luminance-Color Divide and Conquer
von: Hu, Jin, et al.
Veröffentlicht: (2024)

DCDM: Divide-and-Conquer Diffusion Models for Consistency-Preserving Video Generation
von: Zhao, Haoyu, et al.
Veröffentlicht: (2026)

Divide-and-Conquer Decoupled Network for Cross-Domain Few-Shot Segmentation
von: Cong, Runmin, et al.
Veröffentlicht: (2025)

Memory Consistency Guided Divide-and-Conquer Learning for Generalized Category Discovery
von: Tu, Yuanpeng, et al.
Veröffentlicht: (2024)

Designing UNICORN: a Unified Benchmark for Imaging in Computational Pathology, Radiology, and Natural Language
von: Stegeman, Michelle, et al.
Veröffentlicht: (2026)

DC-TTA: Divide-and-Conquer Framework for Test-Time Adaptation of Interactive Segmentation
von: Kim, Jihun, et al.
Veröffentlicht: (2025)

Divide, Ensemble and Conquer: The Last Mile on Unsupervised Domain Adaptation for Semantic Segmentation
von: Lian, Tao, et al.
Veröffentlicht: (2024)

DCARL: A Divide-and-Conquer Framework for Autoregressive Long-Trajectory Video Generation
von: Ouyang, Junyi, et al.
Veröffentlicht: (2026)

Divide-and-Conquer: Dual-Hierarchical Optimization for Semantic 4D Gaussian Spatting
von: Yan, Zhiying, et al.
Veröffentlicht: (2025)

PDC-Net: Pattern Divide-and-Conquer Network for Pelvic Radiation Injury Segmentation
von: Xiong, Xinyu, et al.
Veröffentlicht: (2025)

Divide and Conquer Self-Supervised Learning for High-Content Imaging
von: Farndale, Lucas, et al.
Veröffentlicht: (2025)

Visual Para-Thinker: Divide-and-Conquer Reasoning for Visual Comprehension
von: Xu, Haoran, et al.
Veröffentlicht: (2026)

Med-SORA: Symptom to Organ Reasoning in Abdomen CT Images
von: Na, You-Kyoung, et al.
Veröffentlicht: (2025)