对于跨领域医学图像注册的空间意识对比学习
Chenchu Rong1, Zhiru Li1, Rui Li2
1School of Electronic Science and Engineering, Nanjing University, Nanjing, China.
Medical physics
|July 20, 2024
概括
这项研究引入了一种空间感知对比学习方法,用于跨域医学图像注册,显著提高CT和MRI扫描之间的准确性. 该方法优化了特征表示,提高了诊断精度和治疗规划,以获得更好的患者结果.
科学领域:
- 医学成像分析 医学成像分析
- 医疗保健中的机器学习
背景情况:
- 精确的医学图像分析对于患者护理至关重要.
- 计算机断层扫描 (CT) 和磁共振成像 (MRI) 提供互补的成像优势.
- 跨域注册面临着由于模式特定差异的挑战.
研究的目的:
- 开发一个具有空间意识的对比学习方法,用于CT-MRI跨域注册.
- 使用重建和对比损失优化特征空间表示.
- 增强跨成像领域的结构相似性学习和注册准确性.
主要方法:
- 从CT和MRI图像中提取等效特征空间,以进行跨域匹配.
- 使用一种类似于自动编码器的结构,具有自定义重建和对比损失.
- 实施区域面具,以平衡空间相关性和特征表示的独特性.
主要成果:
- 实现了高精度,子相似系数 (DSC) 为85.68%,目标注册误差 (TRE) 为1.92毫米,平均豪斯多夫距离 (MHD) 为1.26毫米.
- 在GPU上显著减少注册时间至2.67秒.
- 在各种医学成像场景中验证了有效性和适应性.
结论:
- 拟议的空间感知对比学习方法为跨领域医疗图像注册提供了一个新的解决方案.
- 这种方法显著提高了CT和MRI之间的注册准确性和稳定性.
- 结果显示,对于精确的诊断和个性化治疗规划而言,具有实质性的应用价值.


