配准不确定度与误差是否单调相关
计算机视觉与模式识别
2020-03-24 v2
摘要
在图像引导神经外科手术中，当前商用系统通常仅提供刚性配准，部分原因是非刚性配准误差更难预测、验证和理解。例如，当外科医生看到对齐图像特征中的差异时，他们可能无法区分是配准误差还是肿瘤切除引起的实际组织形变。此时，配准误差的空间分布可帮助他们做出更明智的决策，例如在估计误差较高的区域忽略配准。然而，误差估计难以获取。概率图像配准（PIR）方法提供配准不确定度的度量，可作为评估配准误差的替代指标。许多临床医生直觉地认为高不确定度意味着大误差。然而，不确定度与误差之间的单调关联在图像配准文献中尚未被检验。在本初步研究中，我们试图通过考察一种 PIR 方法——高斯过程（GP）配准，来解决这一基本问题。我们基于临床数据系统性地探究 GP 不确定度与误差之间的关系，并经验性地表明，逐点 GP 配准不确定度与非刚性配准误差之间存在弱至中等程度的正单调相关。
引用
@article{arxiv.1908.07709,
title = {Are Registration Uncertainty and Error Monotonically Associated},
author = {Jie Luo and Sarah Frisken and Duo Wang and Alexandra Golby and Masashi Sugiyama and William M. Wells},
journal= {arXiv preprint arXiv:1908.07709},
year = {2020}
}
备注
Draft Ver.2