通过深度位姿回归神经网络与聚类相似性实现锥束 CT 与扫描表面的自动配准
计算机视觉与模式识别
2021-01-26 v1
摘要
颌面锥束计算机断层扫描（CT）图像与光学扫描牙科模型之间的计算机化配准是种植牙或正颌外科手术中手术规划的重要前提。我们提出了一种在锥束 CT 图像与光学扫描模型之间执行全自动配准的新方法。为构建鲁棒且自动的初始配准方法，我们的方法在简化域（即二维图像）中应用深度位姿回归神经网络。随后，通过最优聚类执行精细配准。多数投票系统实现全局最优变换，而每个聚类尝试优化局部变换参数。聚类的连贯性决定其成为最优聚类集的候选资格。基于最优聚类间的共识，等值面上的离群区域被有效移除。配准精度由领域内专家标注的扫描模型上 10 个标志点的欧氏距离评估。实验表明，所提方法以标志点距离衡量的配准精度优于其他现有方法 30.77% 至 70%。除实现高精度外，我们的方法既不需要人机交互，也不需要先验信息（例如等值面提取）。我们研究的主要意义有两方面：1）采用轻量级神经网络，表明神经网络在提取易于获取的位姿线索方面的适用性；2）引入基于最优聚类的配准方法，可在匹配过程中避免金属伪影。
引用
@article{arxiv.1907.12250,
title = {Automatic Registration between Cone-Beam CT and Scanned Surface via Deep-Pose Regression Neural Networks and Clustered Similarities},
author = {Minyoung Chung and Jingyu Lee and Wisoo Song and Youngchan Song and Il-Hyung Yang and Jeongjin Lee and Yeong-Gil Shin},
journal= {arXiv preprint arXiv:1907.12250},
year = {2021}
}
备注
9 pages, 6 figures