基于概率模型的MRI与组织学切片配准与合成联合方法
计算机视觉与模式识别
2018-09-28 v1
摘要
将二维组织学切片与对应的MRI数据切片进行非线性配准是三维组织学重建的关键步骤。该任务难度较大，原因在于图像对比度与分辨率差异显著，以及样品切片并贴附于载玻片时所产生的复杂非刚性形变。在脑MRI配准研究中已表明，通过从一种模态合成另一种模态、再使用模态内配准度量，比使用互信息（MI）作为度量能获得更好的跨模态空间对齐。然而，此类方法通常需要来自两种模态的已对齐图像数据库，而这对于组织学/MRI极难获取。在此，我们克服这一限制，提出一种概率方法，可直接在目标图像上同时求解配准与合成，无需任何训练数据。在我们的模型中，MRI切片被假定为组织学切片在对比度扭曲与空间形变下的版本。我们利用近似贝叶斯推断迭代细化合成与配准的概率估计，同时考虑彼此的不确定性。此外，手动放置的标记点可无缝集成到该框架中以提升性能。在合成数据集上的实验表明，与MI相比，所提方法能够在配准中使用灵活得多的形变模型以提高精度，且不牺牲鲁棒性。而且，我们的框架比MI更有效地利用手动标记点中的信息，因为标记点同时告知合成与配准——而非仅告知配准。最后，我们在公开的Allen图谱上展示了定性结果，其中所提方法相较基于MI的配准提供了明显改进。
引用
@article{arxiv.1801.05284,
title = {Joint registration and synthesis using a probabilistic model for alignment of MRI and histological sections},
author = {Juan Eugenio Iglesias and Marc Modat and Loic Peter and Allison Stevens and Roberto Annunziata and Tom Vercauteren and Ed Lein and Bruce Fischl and Sebastien Ourselin},
journal= {arXiv preprint arXiv:1801.05284},
year = {2018}
}