基于Swin UNETR的脑肿瘤手术MRI-超声配准密集误差图估计
图像与视频处理
2023-08-22 v1 计算机视觉与模式识别
摘要
脑肿瘤的早期手术治疗对降低患者死亡率至关重要。然而，手术过程中会发生脑组织的变形（称为脑移位），使术前图像失效。作为一种经济且便携的工具，术中超声（iUS）可追踪脑移位，而精确的MRI-iUS配准技术能够更新术前计划并辅助iUS的解读。这可通过最大化肿瘤切除同时避免功能区来提升手术安全性与疗效。然而，由于数据的三维特性，对MRI-iUS配准结果的实时人工评估十分困难且易出错。能够量化多模态医学图像配准结果质量的自动算法将极为有益。因此，我们提出了一种基于深度学习（DL）的新框架，利用Swin UNETR自动评估iUS引导的脑肿瘤切除中MRI-iUS配准的三维块级密集误差图，并首次使用真实临床数据展示了其性能。
引用
@article{arxiv.2308.10784,
title = {Dense Error Map Estimation for MRI-Ultrasound Registration in Brain Tumor Surgery Using Swin UNETR},
author = {Soorena Salari and Amirhossein Rasoulian and Hassan Rivaz and Yiming Xiao},
journal= {arXiv preprint arXiv:2308.10784},
year = {2023}
}
备注
Accepted in IEEE IUS 2023