D²BGAN:用于脑移位补偿的可变形MR-超声波注册的双重歧视贝叶斯生成对抗网络

科学领域:

• 神经外科 神经外科
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 神经外科导航的准确性受到大脑转移的影响.
• 与手术前MRI注册手术内超声波 (iUS) 是一种常见的补偿策略.
• 挑战包括低超声波图像质量和不可预测的大脑变形.

研究的目的:

• 提出一个自动的,无监督的,端到端的MR-iUS注册方法,命名为双歧视者贝叶斯生成对抗网络 (D2BGAN).
• 为了提高神经导航系统的准确性和稳定性,在存在大脑转移的情况下.

主要方法:

• 开发了D2BGAN,包括两个歧视器和一个发生器.
• 优化了使用贝叶斯损失函数来提高功能的发电机.
• 在相似度测量的区分器中纳入了相互信息丢失函数.

主要成果:

• 在 RESECT 和 BITE 数据集中,平均目标注册误差 (mTRE) 为 0.75 ± 0.3 mm.
• 与初始错误相比,mTRE的改善率达到了85%.
• 贝叶斯损失函数比典型的损失函数提高了23%的MR-iUS注册精度.

结论:

• D2BGAN显著提高了神经外科导航的MR-iUS注册准确性.
• 提出的方法有效地弥补了大脑的转移,保持图像强度和解剖信息.
• 这一进步为图像引导的神经外科手术提供了更高的精度和可靠性.