基于物理信息神经网络的非刚性医学图像配准
图像与视频处理
2023-02-22 v1 计算机视觉与模式识别
医学物理
摘要
软组织的生物力学建模提供了一种非数据驱动的方法来约束医学图像配准,使得估计的空间变换在生物物理上合理。这不仅已用于实际临床应用,如本文所关注的前列腺介入的MR-to-ultrasound配准,也提供了理解器官运动与空间对应关系的可解释手段。本工作将近期提出的物理信息神经网络(PINNs)实例化为3D线性弹性模型,以建模经直肠超声引导过程中常见的前列腺运动。为克服将PINNs泛化至不同受试者时广受认可的挑战,我们提出使用PointNet作为节点置换不变特征提取器,并结合一种对齐点集且同时考虑PINN施加的生物力学的配准算法。所提方法已在特定患者与多患者两种方式下开发与验证。
引用
@article{arxiv.2302.10343,
title = {Non-rigid Medical Image Registration using Physics-informed Neural Networks},
author = {Zhe Min and Zachary M. C. Baum and Shaheer U. Saeed and Mark Emberton and Dean C. Barratt and Zeike A. Taylor and Yipeng Hu},
journal= {arXiv preprint arXiv:2302.10343},
year = {2023}
}
备注
IPMI 2023