用于光学测量与组织学图像关联的可变形多模态图像配准
图像与视频处理
2023-11-27 v1 计算机视觉与模式识别
摘要
光学测量与正确病理标签的关联常因组织学图像变形引起的配准不精确而受阻。本研究探索了一种利用深度学习原理的自动化多模态图像配准技术，以将乳腺标本快照图像与相应组织学图像对齐。通过不同模态获取的输入图像由于强度和结构可见性的差异而带来挑战，使得线性假设不适用。我们探索了基于VoxelMorph模型的无人监督和有监督学习方法，使用了以手动配准图像作为真值的数据集。包括Dice分数和互信息在内的评估指标显示，无监督模型显著优于有监督（及手动）方法，实现了更优的图像对齐。这种自动化配准方法有望通过减少与手动配准相关的人为错误和不一致性来改进光学技术的验证。
引用
@article{arxiv.2311.14414,
title = {Deformable multi-modal image registration for the correlation between optical measurements and histology images},
author = {Lianne Feenstra and Maud Lambregts and Theo J. M Ruers and Behdad Dashtbozorg},
journal= {arXiv preprint arXiv:2311.14414},
year = {2023}
}