Multimodale Registrierung mit effizienten Lernverfahren für neuronale Netze

Ausgangspunkt ist die mathematische Äquivalenz von voxelbasierter Registrierung und dem Training neuronaler Netze als multidimensionales Optimierungsproblem. Die Lernverfahren Quickprop und Rprop wurden implementiert, modifiziert und als Optimierungsverfahren für ein voxelbasiertes Ähnlichkeitsmaß verwendet. Tests mit realen Daten zeigten eine deutliche Überlegenheit beider Verfahren gegenüber einfachem Gradientenabstieg, wobei sich ein Vorteil zugunsten von Rprop andeutete. Der Vergleich mit einem konjugierte-Gradienten-Verfahren ergab keine signifikanten Unterschiede bezüglich Effizienz und Stabilität.