具有时间顺序与个体特异性判别的纵向图像配准
图像与视频处理
2020-11-05 v1 计算机视觉与模式识别
摘要
前列腺癌患者在主动监测方案下的纵向 MR 图像形态学分析,对监测疾病进展起着关键作用。本文描述一种基于学习的图像配准算法,用于量化同一患者两个不同时间点获取的一对图像间感兴趣区域的变化。结合基于强度的相似度和腺体分割作为弱监督,与配准前及迭代配准算法相比,经群体数据训练的配准网络在留出患者数据上显著降低了目标配准误差(TREs)。此外,本工作对几种纵向数据采样策略进行了定量分析,并据此提出了一种基于最大均值差异在不同采样训练图像对之间的新型正则化方法。基于来自 86 名患者的 216 张 3D MR 图像,我们报告了平均 TRE 为 5.6 mm,并展示了不同训练数据采样策略间具有统计显著性差异。
引用
@article{arxiv.2008.13002,
title = {Longitudinal Image Registration with Temporal-order and Subject-specificity Discrimination},
author = {Qianye Yang and Yunguan Fu and Francesco Giganti and Nooshin Ghavami and Qingchao Chen and J. Alison Noble and Tom Vercauteren and Dean Barratt and Yipeng Hu},
journal= {arXiv preprint arXiv:2008.13002},
year = {2020}
}
备注
Accepted at MICCAI 2020