面向极高分辨率组织消解3D大脑图像的对抗性注册方法
图像与视频处理
2025-02-03 v1 人工智能
计算机视觉与模式识别
摘要
我们开发了一种基于生成式块的3D图像注册模型，可注册来自组织消解过程（组织消解）获得的超高分辨率图像。组织消解过程会去除组织中的脂类和脂肪，使组织透明。使用光片荧光显微镜获取的消解组织图像可清晰观察组织内细胞活动和动态，因此其分辨率极高（例如2560×2160×676）。具有如此高分辨率的图像分析在任何图像分析管道中都十分困难。图像注册是图像分析管道中常见的步骤，当需要比较图像时会使用。传统图像注册方法无法注册此类极端分辨率图像。本文通过提出一种基于块的生成式网络（命名为InvGAN）来解决此高分辨率图像注册问题。我们的方法可注册超高分辨率组织消解图像。本文使用的组织消解数据集来自名为CUBIC的组织消解方案。我们将方法与传统和深度学习基于注册的方法进行比较。使用两个不同分辨率的CUBIC数据集（分别为25%和100%），实验结果清晰显示分辨率对注册质量的影响。在25%分辨率下，我们的方法以极短时间（约7分钟）实现与传统方法相当的注册精度。在100%分辨率下，除Elastix注册工具外，大多数传统注册方法都会失败。Elastix需28小时才能完成注册，而InvGAN仅需10分钟。
引用
@article{arxiv.2501.18815,
title = {An Adversarial Approach to Register Extreme Resolution Tissue Cleared 3D Brain Images},
author = {Abdullah Naziba and Clinton Fookes and Dimitri Perrin},
journal= {arXiv preprint arXiv:2501.18815},
year = {2025}
}