基于特征初始对齐与强度实例优化的 SHG 与 H&E 图像自动配准：COMULIS 挑战贡献
计算机视觉与模式识别
2024-09-25 v1
摘要
非侵入性 second-harmonic generation 显微镜图像与髓苷-丙烯酸染色切片的自动配准是高度期待且尚未解决的问题。该任务具有挑战性，因为 second-harmonic 图像仅包含部分信息，而染色 H&E 切片则提供关于组织形态的更多信息。此外，两种成像方法的强度分布不同。因此，该任务可形式化为具有缺失数据的数据多模配准问题。本文提出了一种基于自动关键点匹配 followed by 基于实例优化的可变形配准的方法。该方法无需任何训练，并使用 COMULIS 组织提供的数据集进行评估。该方法实现了相当好的通用性，在初始对齐中达到了 88% 的成功率，在外部验证集上的平均目标配准误差为 2.48。我们公开源代码，并将其整合到 DeeperHistReg 图像配准框架中。
引用
@article{arxiv.2409.15931,
title = {Automatic Registration of SHG and H&E Images with Feature-based Initial Alignment and Intensity-based Instance Optimization: Contribution to the COMULIS Challenge},
author = {Marek Wodzinski and Henning Müller},
journal= {arXiv preprint arXiv:2409.15931},
year = {2024}
}