基于柔度分析与生物力学图匹配的弹性配准
计算机视觉与模式识别
2019-12-16 v1
摘要
提出一种适用于血管化器官的自动弹性配准方法。术前与术中图像中的血管均表示为图。该方法的一个典型应用是将术前信息融合到手术中的器官上，以补偿术中成像方式（如CBCT）所提供的有限细节，并应对器官形状的变化。由于成像方式差异与器官形变，每个图具有不同的拓扑与形状。所提出的自适应柔度图匹配（ACGM）方法不需要任何手动初始化，可处理高达65 mm的术中非刚性形变，并仅从匹配血管计算器官上的完整位移场。ACGM优于先前的生物力学图匹配方法3（BGM），因为它使用高效的生物力学血管化肝脏模型来计算器官变换与血管分叉柔度。这使得能够通过一种新颖的基于柔度的自适应搜索高效找到最佳图匹配。这些贡献在十个真实感合成数据集与两个真实猪自动分割数据集上进行了评估。ACGM获得比BGM更好的目标配准误差（TRE），在真实数据集中平均TRE分别为4.2 mm与6.5 mm。它还快达一个数量级，对所用参数的依赖更小，并且对噪声更鲁棒。
引用
@article{arxiv.1912.06353,
title = {Elastic registration based on compliance analysis and biomechanical graph matching},
author = {Jaime Garcia Guevara and Igor Peterlik and Marie-Odile Berger and Stéphane Cotin},
journal= {arXiv preprint arXiv:1912.06353},
year = {2019}
}
备注
Annals of Biomedical Engineering, Springer Verlag, 2019