Multimodale Registrierung mit effizienten Lernverfahren für neuronale Netze

Ausgangspunkt ist die mathematische Aquivalenz von voxelbasierter Registrierung und dem Training neuronaler Netze als multidimensionales Optimierungsproblem. Die Lernverfahren Quickprop und Rprop wurden implementiert, modifiziert und als Optimierungsverfahren fur ein voxelbasiertes Ahnlichkeitsmas verwendet. Tests mit realen Daten zeigten eine deutliche Uberlegenheit beider Verfahren gegenuber einfachem Gradientenabstieg, wobei sich ein Vorteil zugunsten von Rprop andeutete. Der Vergleich mit einem konjugierte-Gradienten-Verfahren ergab keine signifikanten Unterschiede bezuglich Effizienz und Stabilitat.