MOREA：一种用于 3D 医学图像多目标可变形配准的 GPU 加速进化算法
计算机视觉与模式识别
2023-03-10 v1 人工智能
神经与进化计算
摘要
在需要大变形的情况下，寻找将一个图像变换为另一个图像的真实变形被视为医学图像分析中的关键挑战。拥有一种恰当的图像配准方法来实现这一点，可释放许多需要在图像间传递信息的应用。目前的临床采用受到许多现有方法的阻碍：这些方法在每次使用前需要大量配置工作，或者无法（真实地）捕捉大变形。最近一种使用多目标实值基因池最优混合进化算法（MO-RV-GOMEA）和双动态网格变换模型的多目标方法已显示出前景，揭示了图像配准问题固有的权衡并在 2D 中建模大变形。本工作基于该前景并引入了 MOREA：首个基于进化算法的 3D 图像可变形配准多目标方法，能够处理大变形。MOREA 包含用于物理合理性的 3D 生物力学网格模型，并完全由 GPU 加速。我们在 4 名宫颈癌患者的腹部 CT 扫描上将 MOREA 与两种最先进的方法进行比较，后两种方法针对每位患者配置以获得最佳结果。无需按患者配置，MOREA 在代表最困难病例的 4 名患者中的 3 名上显著优于这些方法。
引用
@article{arxiv.2303.04873,
title = {MOREA: a GPU-accelerated Evolutionary Algorithm for Multi-Objective Deformable Registration of 3D Medical Images},
author = {Georgios Andreadis and Peter A. N. Bosman and Tanja Alderliesten},
journal= {arXiv preprint arXiv:2303.04873},
year = {2023}
}