用于MR-TRUS配准的距离图监督 landmarks 定位
计算机视觉与模式识别
2022-10-13 v1
摘要
本工作中，我们提出显式利用前列腺标志点来引导MR-TRUS图像配准。我们首先训练深度神经网络自动定位一组有意义的标志点，然后由这些标志点的位置直接生成仿射配准矩阵。对于标志点定位，我们提出回归该标志点的全分辨率距离图，而非直接训练网络预测标志点坐标，该方法被证明能有效避免统计偏差导致的欠佳性能从而提升性能。随后我们利用预测的标志点生成仿射变换矩阵，在TRE指标上显著优于临床医生的手动刚性配准。
引用
@article{arxiv.2210.05738,
title = {Distance Map Supervised Landmark Localization for MR-TRUS Registration},
author = {Xinrui Song and Xuanang Xu and Sheng Xu and Baris Turkbey and Bradford J. Wood and Thomas Sanford and Pingkun Yan},
journal= {arXiv preprint arXiv:2210.05738},
year = {2022}
}
备注
Submitted to SPIE Medical Imaging 2023