图像对物理肝脏注册稀疏数据挑战:使用共同数据集对最新技术进行比较

科学领域:

• 医疗成像医学成像
• 计算解剖学的计算解剖学
• 手术指南 手术指南

背景情况:

• 图像对物理的注册对于外科指导至关重要.
• 稀少的表面数据和软组织变形对准确的解剖对齐构成重大挑战.
• 图像到物理肝脏注册稀疏数据挑战旨在评估在一个共同的数据集上的注册方法.

研究的目的:

• 用稀疏的肝脏表面数据对各种图像对物理记录算法的性能进行基准测试.
• 识别当前注册方法中的有效策略和局限性.
• 为未来的图像到物理注册算法的开发提供信息.

主要方法:

• 评估了三种刚性和五种可变形的注册算法,包括深度学习和生物力学方法.
• 算法在112个注册场景的数据集上进行了测试,使用模拟组织的幻影和159个地下验证目标.
• 目标注册错误 (TRE) 在不同的数据范围,目标位置和噪声水平下进行了评估;雅可比式决定因素和应变大小被分析为位移场一致性.

主要成果:

• 严格的注册方法显示了TRE的显著变化.
• 两种生物机械方法实现了TRE的$$和$$,超过了最佳的刚性注册.
• 生物力学方法在不同的表面数据覆盖和肝脏部分中显示出强大的性能;深度学习方法显示TRE范围从$$到$$.

结论:

• 算法选择极大地影响了注册准确性和变形场的可变性.
• 纳入特定任务边界条件的生物机械模拟目前为稀疏数据驱动的图像到物理注册提供了最佳性能.
• 基于深度学习的注册方法需要进一步开发.