MGRegBench：面向乳腺解剖 landmarks 的乳摄影图像配准新型基准数据集
计算机视觉与模式识别
2025-12-22 v1 人工智能
摘要
鲁棒的乳摄影配准对于临床应用（如疾病进程跟踪和监测乳腺组织的纵向变化）至关重要。然而，由于缺乏公共数据集和标准化基准，进展受限。现有研究常使用私有数据且评估框架不一致，难以直接比较。为此，我们提出MGRegBench，一套为乳摄影配准提供的公共基准数据集。其包含超过5,000对图像，其中100对包含手动解剖 landmarks 和分割掩码，适用于严格评估。这一数据集是已知规模最大、具手动标注的2D配准数据集之一。利用此资源，我们对多样化配准方法进行基准测试，包括经典方法（ANTs）、基于学习的方法（VoxelMorph、TransMorph）、隐式神经表示方法（IDIR）、经典乳摄影特定方法，以及最新SOTA深度学习方法MammoRegNet。实现方式基于作者实现或从零重新实现。我们的贡献在于：(1)首个规模此规模、具手动landmarks和掩码的公共乳摄影配准数据集；(2)首个在此模态下对多样方法进行的like-for-like比较；(3)对深度学习配准的广泛分析。我们公开代码与数据，建立公平比较的基础资源，催化未来研究。源码与数据位于https://github.com/KourtKardash/MGRegBench。
关键词
引用
@article{arxiv.2512.17605,
title = {MGRegBench: A Novel Benchmark Dataset with Anatomical Landmarks for Mammography Image Registration},
author = {Svetlana Krasnova and Emiliya Starikova and Ilia Naletov and Andrey Krylov and Dmitry Sorokin},
journal= {arXiv preprint arXiv:2512.17605},
year = {2025}
}