一种基于混合深度特征的可变形病理图像配准方法
图像与视频处理
2024-10-28 v4 计算机视觉与模式识别
机器学习
医学物理
摘要
病理学家需要结合不同染色的病理切片信息以进行准确诊断。可变形图像配准是融合多模态病理切片的必要技术。本文提出一种用于染色病理样本的基于混合深度特征的可变形图像配准框架。我们首先通过基于检测器和无检测器的深度学习特征网络提取密集特征点并进行点匹配。然后，为进一步减少错误匹配，提出一种结合孤立森林统计模型与局部仿射校正模型的离群点检测方法。最后，基于上述匹配点，插值方法生成用于病理图像配准的可变形向量场。我们在与 IEEE ISBI 2019 会议共同组织的非刚性组织学图像配准（ANHIR）挑战赛数据集上评估了我们的方法。我们的技术以平均-平均配准目标误差（rTRE）达到 0.0034 优于传统方法 17%。所提方法取得了最先进的性能，并在测试集评估中排名第 1。该基于混合深度特征配准的方法有望成为病理图像配准的可靠方法。
引用
@article{arxiv.2208.07655,
title = {A Hybrid Deep Feature-Based Deformable Image Registration Method for Pathology Images},
author = {Chulong Zhang and Yuming Jiang and Na Li and Zhicheng Zhang and Md Tauhidul Islam and Jingjing Dai and Lin Liu and Wenfeng He and Wenjian Qin and Jing Xiong and Yaoqin Xie and Xiaokun Liang},
journal= {arXiv preprint arXiv:2208.07655},
year = {2024}
}
备注
22 pages, 12 figures. This work has been submitted to the IEEE for possible publication