通过学习三维位移场实现腹部器官的二维/三维深度图像配准
图像与视频处理
2022-12-13 v1 计算机视觉与模式识别
摘要
腹部器官的二维/三维（2D/3D）图像可变形配准是一项复杂的任务，因为腹部器官变形显著，且在二维X射线图像中无法检测到其轮廓。我们提出了一种有监督深度学习框架，可实现三维体数据与单视角二维投影图像之间的2D/3D可变形图像配准。所提方法学习从目标二维投影图像和初始三维体数据到三维位移场的映射。在实验中，我们将三维计算机断层扫描（CT）体数据与由腹部4D-CT体数据生成的数字重建放射影像进行了配准。为进行验证，我们使用了35例4D-CT体数据，并确认重建出了反映非线性和局部呼吸器官位移的三维CT体数据。所提方法在肝脏区域取得91.6%的Dice相似系数、在胃部区域取得85.9%的Dice相似系数，性能与常规方法相当，同时估计出的CT值显著更准确。
引用
@article{arxiv.2212.05445,
title = {2D/3D Deep Image Registration by Learning 3D Displacement Fields for Abdominal Organs},
author = {Ryuto Miura and Megumi Nakao and Mitsuhiro Nakamura and Tetsuya Matsuda},
journal= {arXiv preprint arXiv:2212.05445},
year = {2022}
}