MAIRNet:监督较弱的解剖意识多式联接式关节图像注册网络
Xiaoru Gao1, Woquan Zhong2, Runze Wang1
1Institute of Medical Robotics, Shanghai Jiao Tong University, Dongchuan Road, Shanghai, 200240, China.
International journal of computer assisted radiology and surgery
|January 18, 2024
概括
本研究介绍了MAIRNet,这是一个用于多式联接图像注册 (MAIR) 的新网络. MAIRNet有效地处理刚性和可变形结构,在具有挑战性的数据集上超过现有方法.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 生物医学工程 生物医学工程
背景情况:
- 多式关节图像注册 (MAIR) 是复杂的,因为需要保持骨的刚性,同时允许软组织变形.
- 当前的深度学习方法往往将MAIR视为纯粹可变形的注册,忽视了关节结构,并产生了低于最佳的结果.
研究的目的:
- 开发一个新的弱监督,解剖意识网络 (MAIRNet) 进行多式联动的图像注册.
- 通过在MAIR中明确处理形结构来解决现有方法的局限性.
主要方法:
- MAIRNet具有双分支架构:一个非可学习的多刚性分支用于初始速度场估计,一个可学习的可变形分支用于增量更新.
- 这些分支协作生成一个全面的速度场,然后集成生成最终的位移场进行注册.
主要成果:
- 在部,腰部和胸部脊柱数据集上的实验证明了MAIRNet的有效性.
- 获得了高的子得分,例如,骨盆的90.8%,L4脊椎的86.1%,T10脊椎的85.7%.
- 在多式联接式图像登记任务中超越了最先进的方法.
结论:
- 开发了一种新的方法,MAIRNet,用于多式联接的图像注册.
- 对各种数据集的广泛验证证实了该方法的有效性.
- 在MAIR中,MAIRNet超越了当前最先进的MAIR技术.
