一种用于基于超声的脑移位补偿的特征驱动主动框架
计算机视觉与模式识别
2018-03-22 v1
摘要
一种可靠的超声（US）到超声配准方法以补偿脑移位将显著改善图像引导神经外科手术。由于图像中缺失对应关系、脑病理的复杂性以及快速计算的需求等因素，开发这样的配准方法极具挑战性。我们提出了一种新颖的特征驱动主动框架。在此框架中，首先利用对应的局部图像特征，从一对超声图像中估计出标志点及其位移。随后，使用高斯过程（GP）模型从稀疏标志点插值出密集变形场。GP 的核函数通过变异函数和离散网格搜索方法进行估计。如有必要，用户可基于图像上下文及 GP 提供的不确定性测度可视化，主动添加新的标志点以进一步改善结果。我们在神经外科手术期间采集的临床数据上回顾性地验证了我们的配准框架，证明其是一种鲁棒且准确的脑移位补偿解决方案。
关键词
引用
@article{arxiv.1803.07682,
title = {A Feature-Driven Active Framework for Ultrasound-Based Brain Shift Compensation},
author = {Jie Luo and Matt Toews and Ines Machado and Sarah Frisken and Miaomiao Zhang and Frank Preiswerk and Alireza Sedghi and Hongyi Ding and Steve Pieper and Polina Golland and Alexandra Golby and Masashi Sugiyama and William M. Wells},
journal= {arXiv preprint arXiv:1803.07682},
year = {2018}
}