用于改进可变形图像配准的自适应局部边界条件

目的：在医学成像中，在图像引导治疗期间准确评估和校正运动通常至关重要。可变形图像配准（DIR）在于估计所需的空间变换，以将运动图像与固定图像对齐。然而，人们公认应用于解的边界条件对于防止配准错误至关重要。尽管在配准技术方面有大量研究，但相对较少的研究涉及医学 DIR 背景下的边界条件问题。我们的目标是朝着定制边界条件以适应手头各种配准任务的方向迈出一步。方法：我们提出了一种通用的、局部自适应的 Robin 型条件，能够根据图像边界上的流入/流出流场在 Dirichlet 边界条件和 Neumann 边界条件之间进行平衡。所提出的框架通过确定一组精简的超参数实现了完全自动化，该组超参数通过能量最小化进行优化。主要结果：所提方法在单模态 CT 胸部配准任务和腹部 CT 到 MRI 配准任务上进行了测试。对于第一个任务，我们观察到与齐次 Dirichlet 和齐次 Neumann 相比，目标配准误差的相对改善高达 12%（平均 4%）。对于第二个任务，自动框架提供的结果接近可达到的最佳结果。意义：本研究强调了在图像边界处定制配准问题的重要性。在本研究中，我们引入了一种逐体素自适应边界条件的新方法，在两个不同任务中产生了优化结果：单模态 CT 胸部配准和腹部 CT 到 MRI 配准。所提出的框架能够在不对图像或运动做任何先验假设的情况下，实现图像配准中的优化边界条件。