在术前和术后阶段之间进行强大的可变形注册脑瘤MRI交叉相关性校正

科学领域:

• 医疗成像医学成像
• 计算解剖学的计算解剖学
• 神经外科 神经外科

背景情况:

• 由于瘤和手术的解剖学变化,注册手术前和后脑瘤图像是一项挑战.
• 像掩盖或基于关联的方法这样的现有方法在处理严重扭曲和瘤区域方面存在局限性.

研究的目的:

• 开发一个强大的框架,用于准确和结构连贯的注册手术前和手术后脑瘤图像.
• 解决当前处理复杂变形和瘤附近不可靠的对应的方法的局限性.

主要方法:

• 提出基于交叉相关性纠正的注册网络 (CRRNet),这是一个具有主动纠正机制的新框架.
• 实施基于交叉相关性分析的不一致模块,以使用循环关闭评估识别和丢弃无效通信.
• 使用双层对应校正模块来整合可靠的本地和远程相关性,以获得结构连贯的匹配.

主要成果:

• 在多个基准测试中,CRRNet在手术前后脑瘤图像登记方面表现出卓越的表现.
• 在BraTS-Reg数据集中,CRRNet在近瘤区域实现了8.18%的平均注册错误减少,在远离瘤区域达到3.95%.
• 拟议的方法超越了现有的最先进的注册技术.

结论:

• CRRNet有效地减轻了对应不匹配,并提高了脑瘤成像中的注册稳定性和结构一致性.
• 该框架成功地将交叉相关性强度与积极纠正机制相结合,以提高准确性.
• CRRNet代表了神经外科应用中医疗图像注册的重大进步.