Una red exploratoria de autorrefinamiento eficiente en parámetros y consciente del movimiento para el registro de RM...

Área de la Ciencia:

• Análisis de Imágenes Médicas
• Visión por Computadora
• Aprendizaje Profundo

Sus antecedentes:

• Las redes de registro deformable basadas en pirámides ofrecen precisión al descomponer deformaciones.
• Los métodos existentes a menudo carecen de modelado explícito de la ambigüedad del movimiento intra-nivel y pueden requerir muchos parámetros.
• Los métodos basados en transformadores, aunque potentes, suelen requerir millones de parámetros, lo que limita su implementación.

Objetivo del estudio:

• Proponer ESR-Net, una red de registro eficiente en parámetros y consciente del movimiento.
• Introducir un Módulo Exploratorio de Autorrefinamiento (ESRM) para mejorar la estimación de deformaciones.
• Permitir el manejo conjunto de desplazamientos grandes y movimientos locales sutiles en el registro de imágenes médicas.

Principales métodos:

• ESR-Net utiliza un Módulo Exploratorio de Autorrefinamiento (ESRM) de cuatro etapas en cada nivel del decodificador.
• ESRM captura, guía, evalúa y refina explícitamente diversas posibilidades de movimiento.
• Los métodos incluyen atención espacio-canal, convolución deformable, ponderación basada en confianza y fusión ponderada por confianza.

Principales resultados:

• ESR-Net demuestra un rendimiento superior en conjuntos de datos de RM cerebrales 3D y TAC de pulmón.
• La red supera a los métodos populares de registro basados en CNN, basados en transformadores y basados en pirámides.
• ESR-Net logra una alta precisión en el manejo de desplazamientos grandes y deformaciones locales sutiles con solo 0.60M parámetros.

Conclusiones:

• El autorrefinamiento exploratorio explícito proporciona una alternativa eficiente y eficaz a los modelos de registro pesados basados en transformadores.
• ESR-Net ofrece una solución ligera pero potente para el registro de imágenes médicas.
• El método propuesto permite un registro preciso con un número significativamente reducido de parámetros.