一种用于医学图像中地标检测与匹配的端到端深度学习方法
计算机视觉与模式识别
2020-04-09 v1
摘要
医学图像中的解剖地标对应可为两幅图像的对齐提供额外引导信息，而这反过来对许多医学应用至关重要。然而，手动地标标注劳动密集。因此，我们提出一种端到端深度学习方法，自动检测二维（2D）图像对中的地标对应。我们的方法由一个孪生神经网络组成，其被训练以识别图像中的显著位置作为地标，并预测来自两幅不同图像的地标对的匹配概率。我们在168例下腹部计算机断层扫描（CT）的2D横截面上训练了该方法。我们在22,206对具有不同强度、仿射和弹性变换水平的2D切片上测试了该方法。所提方法在强度、仿射和弹性变换下分别每对图像平均找到639、466和370个地标匹配，空间匹配误差至多1 mm。此外，对于具有强度、仿射和弹性变换的图像对，分别超过99%的地标对处于2 mm、4 mm和8 mm的空间匹配误差内。为探究我们所开发方法在临床环境中的效用，我们还在从三名患者的随访CT扫描中选取的横截面对上测试了该方法。结果的视觉检查揭示了在骨性解剖区域以及缺乏显著强度梯度的软组织中均存在地标匹配。
引用
@article{arxiv.2001.07434,
title = {An End-to-end Deep Learning Approach for Landmark Detection and Matching in Medical Images},
author = {Monika Grewal and Timo M. Deist and Jan Wiersma and Peter A. N. Bosman and Tanja Alderliesten},
journal= {arXiv preprint arXiv:2001.07434},
year = {2020}
}
备注
SPIE Medical Imaging Conference - 2020