利用脑室分割进行临床数据多图谱图像配准及自动化质量评估
图像与视频处理
2019-12-30 v2 计算机视觉与模式识别
摘要
配准是许多影像处理流程的核心组件。在临床扫描中，由于分辨率较低且有时存在显著的运动伪影，配准可能产生较差的结果。在大型临床数据集中通过视觉评估配准质量效率低下。在本工作中，我们提出在临床脑部FLAIR MRI扫描中自动评估配准到图谱的质量。该方法包括使用神经网络自动分割给定扫描的脑室，并将分割结果与传播到图像空间的图谱脑室进行比较。我们使用所提出的方法，通过计算多次配准并选择产生最高脑室重叠的配准，改进了临床图像到通用图谱的配准。该方法在包含超过1000次扫描的单中心数据集，以及包含来自12个中心的142次临床扫描的多中心数据集中进行了评估。在单中心数据集中，自动脑室分割与手动标注的Dice系数达到0.89，在多中心数据集中为0.83。与直接配准到通用图谱相比，通过特定年龄图谱进行配准可以改善脑室重叠（Dice相似系数增加高达0.15）。实验还表明，使用配准质量评估方法选择扫描，可以改善白质高信号负荷平均图的质量，而不是使用所有扫描来计算白质高信号图。在本工作中，我们展示了用于评估临床扫描中图像配准质量的自动化工具的实用性。这一图像质量评估步骤最终将有助于将自动化神经影像处理流程转化为临床应用。
引用
@article{arxiv.1907.00695,
title = {Multi-atlas image registration of clinical data with automated quality assessment using ventricle segmentation},
author = {Florian Dubost and Marleen de Bruijne and Marco Nardin and Adrian V. Dalca and Kathleen L. Donahue and Anne-Katrin Giese and Mark R. Etherton and Ona Wu and Marius de Groot and Wiro Niessen and Meike Vernooij and Natalia S. Rost and Markus D. Schirmer},
journal= {arXiv preprint arXiv:1907.00695},
year = {2019}
}