Divide to Conquer：面向多器官全身CT图像注册的数据分解方法
计算机视觉与模式识别
2025-03-31 v1
摘要
图像注册是临床实践中分析CT图像的 essential 技术。然而，现有方法主要针对特定器官设计，往往在其他器官上表现较低，限制了其通用性和适用性。多器官注册解决了这些限制，但需要对形状、大小和位置各异的多个器官进行同步对齐，这需要高度复杂的变形场，其由individual变形的多层组成。本研究提出了一种新颖的数据分解方法，以解决多器官全身CT图像注册中变形复杂度的挑战。该方法在691名患者（每名患者在两个不同时间点获取的两个CT图像）上的 longitudinal 数据集上进行训练和评估，这些扫描完全覆盖胸腔、腹部和骨盆区域。本研究选取了两种基线注册方法进行比较：一种基于优化技术，另一种基于深度学习。实验结果表明，所提出的方法在处理多器官全身CT图像注册中的复杂变形方面优于基线方法。
引用
@article{arxiv.2503.22281,
title = {Divide to Conquer: A Field Decomposition Approach for Multi-Organ Whole-Body CT Image Registration},
author = {Xuan Loc Pham and Mathias Prokop and Bram van Ginneken and Alessa Hering},
journal= {arXiv preprint arXiv:2503.22281},
year = {2025}
}