基于3D Inception的TransMorph：脑肿瘤术前与术后多对比度MRI配准
图像与视频处理
2022-12-12 v1 计算机视觉与模式识别
摘要
可变形图像配准是医学图像分析中的一项关键任务。脑肿瘤序列配准挑战赛（BraTS-Reg）旨在建立同一例确诊成人脑弥漫性高级别胶质瘤患者术前与随访扫描间的对应关系，并致力于解决具有显著组织外观变化的纵向数据配准这一挑战性任务。本工作中，我们提出了一种基于Inception与TransMorph模型的二级级联网络。每位患者的数据集包含原生平扫T1、对比增强T1加权（T1-CE）、T2加权（T2）及液体衰减反转恢复（FLAIR）。Inception模型用于融合这4种图像模态并提取最相关信息；随后，采用TransMorph架构的一种变体来生成位移场。损失函数由标准图像相似性度量、扩散正则化项及为克服强度依赖并强化正确边界形变而加入的边缘图相似性度量组成。我们观察到Inception模块的加入显著提升了网络性能。此外，在训练模型前执行初始仿射配准改善了术前与术后MRI间标志点误差测量的精度。我们观察到，由Inception与TransMorph架构组成且使用初始仿射配准数据集的最佳模型表现最优，其中位绝对误差为2.91（初始误差=7.8）。在BraTS-Reg挑战赛最终测试阶段模型提交时，我们取得了第6名。
引用
@article{arxiv.2212.04579,
title = {3D Inception-Based TransMorph: Pre- and Post-operative Multi-contrast MRI Registration in Brain Tumors},
author = {Javid Abderezaei and Aymeric Pionteck and Agamdeep Chopra and Mehmet Kurt},
journal= {arXiv preprint arXiv:2212.04579},
year = {2022}
}
备注
Contribution to the BraTS-Reg Challenge at MICCAI conference