Registro por regresión (RbR): un marco para el registro de atlas interpretables y flexibles

Área de la Ciencia:

• Imágenes neurológicas
• Análisis de imágenes médicas
• Aprendizaje automático

Sus antecedentes:

• El registro del Atlas es crucial para agregar datos de neuroimagen humana.
• Los métodos actuales de aprendizaje automático carecen de flexibilidad e interpretabilidad.
• Los métodos basados en puntos clave son prometedores, pero tienen una precisión subóptima para las transformaciones no lineales.

Objetivo del estudio:

• Introducir el registro por regresión (RbR), un marco de registro de atlas novedoso, robusto y flexible.
• Permitir el mapeo preciso de las imágenes de resonancia magnética a un marco de coordenadas común.
• Proporcionar un método adaptable a varios modelos de deformación y utilizable para el entrenamiento previo.

Principales métodos:

• RbR predice las coordenadas del atlas para cada voxel, tratando a cada uno como un punto clave.
• Utiliza expresiones de forma cerrada para el ajuste rápido de diversos modelos de deformación (afín, B-spline, Demons, diféomorfo).
• Incorpora estimadores robustos como RANSAC para mejorar la precisión del registro.

Principales resultados:

• RbR demuestra una gran solidez y flexibilidad en el registro del atlas.
• Consigue una precisión superior en comparación con los métodos basados en puntos clave existentes en múltiples modelos de deformación.
• Validado en conjuntos de datos públicos independientes de neuroimagen.

Conclusiones:

• RbR presenta un avance significativo en el registro del atlas para la neuroimagen.
• Ofrece una solución versátil y precisa para la agregación de datos de RM.
• Potencial para el entrenamiento previo y aplicaciones más amplias en el análisis de imágenes médicas.