CT2X-IRA:CT到X射线图像注册代理使用跨域多尺度步骤深度增强学习
Haixiao Geng1, Deqiang Xiao1, Shuo Yang1
1School of Optics and Photonics, Beijing Institute of Technology, Beijing 100081, People's Republic of China.
Physics in medicine and biology
|August 7, 2023
概括
一种新的深度强化学习代理,CT2X-IRA,改善了计算机辅助手术的3D/2D图像注册. 这种方法通过精确对准CT扫描和X射线图像来增强解剖结构的可视化效果,即使是最初的错位.
科学领域:
- 医疗成像医学成像
- 计算机辅助手术 计算机辅助手术
- 人工智能的人工智能
背景情况:
- 对CT卷和X射线图像进行准确的3D/2D注册对于计算机辅助的微创手术至关重要.
- 现有的注册方法经常由于初始错位和局部最小值而失败,损害了准确性和稳定性.
研究的目的:
- 开发一种新的深度强化学习代理,CT2X-IRA,用于强大而准确的3D/2DCT/X射线图像注册.
- 克服先前方法在处理初始错位和改善外科手术过程中的可视化方面的局限性.
主要方法:
- 实施了一个任务驱动的深度强化学习框架 (CT2X-IRA).
- 整合了一个多级阶段的学习机制,以实现高效的融合.
- 使用域适应模块来弥合CT和X射线图像域之间的差距.
- 采用加权奖励函数来提高转换参数估计的准确性.
主要成果:
- 在公共和私人临床数据集上实现了2.13mm和2.33mm的目标注册错误.
- 演示了分别为1.5秒和1.1秒的快速计算时间.
- 验证了用于刚性CT/X射线图像记录的准确和高效的工作流.
结论:
- 拟议的CT2X-IRA代理提供CT和X射线图像的准确和强大的3D/2D记录.
- 这种方法显示了改善手术内可视化和微创手术指导的显著潜力.
