通过将正则化关键点对应集成到稠密可变形配准中估计肺 CT 中的大幅运动
计算机视觉与模式识别
2018-07-03 v1
摘要
我们提出了一种用于肺部 CT 扫描配准的新算法。我们的方法通过将稀疏关键点对应集成到稠密连续优化框架中，以应对大幅呼吸运动。关键点对应的检测通过对大量潜在离散位移联合优化，实现对大幅形变的鲁棒性，而稠密连续配准则通过平滑变换实现亚体素级对齐。两个步骤均由相同的归一化梯度场数据项驱动。我们采用曲率正则化和体积变化控制机制，以防止形变网格折叠并将雅可比行列式限制于生理有意义的值。关键点对应通过具有自适应确定权重的二次惩罚项集成到稠密配准中。利用并行无矩阵导数计算方案，在标准 PC 上实现了约 5 分钟的运行时间。所提算法在 EMPIRE10 肺图像配准挑战赛中排名第一。此外，其在 DIR-Lab COPD 数据库上取得了 0.82 mm 的平均标志点距离，从而将准确率方面的最先进水平提升了 15%。我们的算法是首个在该数据集上达到标志点标注观察者间变异性的方法。
引用
@article{arxiv.1807.00467,
title = {Estimation of Large Motion in Lung CT by Integrating Regularized Keypoint Correspondences into Dense Deformable Registration},
author = {Jan Rühaak and Thomas Polzin and Stefan Heldmann and Ivor J. A. Simpson and Heinz Handels and Jan Modersitzki and Mattias P. Heinrich},
journal= {arXiv preprint arXiv:1807.00467},
year = {2018}
}
备注
12 pages, 7 figures, \c{opyright} 2017 IEEE. Personal use is permitted, but republication/redistribution requires IEEE permission