基于图像指导的神经外科手术的基于物理的可变形注册方法的比较
Nikos Chrisochoides1, Yixun Liu1, Fotis Drakopoulos1
1Center for Real-Time Computing, Computer Science Department, Old Dominion University, Norfolk, VA, United States.
Frontiers in digital health
|December 25, 2023
概括
这项研究通过改进异常排斥方法来提高非刚性注册的准确性,减少了2.5mm的误差. 它还探讨了量子计算以实现更快,更强大的医疗图像注册.
科学领域:
- 医疗图像分析 医疗图像分析
- 计算解剖学的计算解剖学
- 科学计算是科学计算.
背景情况:
- 基于物理的非刚性注册对于医学成像至关重要.
- 移除脑瘤会导致显著的变化,挑战注册的准确性.
- 现有的方法在稀疏,杂或不完整数据的异常值上扎.
研究的目的:
- 为了比较基于有限元素的非刚性注册方法.
- 为了提高在存在脑转移异常值时的注册准确性.
- 调查量子计算在注册加速方面的潜力.
主要方法:
- 三种基于有限元素的非刚性注册技术的比较.
- 基于近似和几何学的异常值排斥的实施.
- 评估注册错误的减少和实时性能.
主要成果:
- 异常值拒绝使刚性注册误差提高了2.5mm.
- 改进的方法在4分钟内实现了实时约束.
- 初步结果显示,量子计算有可能加速特征检测和区块匹配.
结论:
- 结合异常值的拒绝显著提高了注册的稳定性.
- 对于使用稀疏,杂的数据来改进登记,仍然存在一些未解决的问题.
- 量子计算为计算密集的注册任务提供了一个有希望的途径.
