Polaffini：基于特征的鲁棒仿射和多仿射图像配准方法

本文提出了 Polaffini，一个稳健且通用的解剖学导向配准框架。医学图像配准主要依赖于基于强度的配准方法，这些方法依赖于对对齐质量的代理度量。相比之下，基于特征的方法通过识别明确的解剖对应关系来工作，虽在理论上更可取，但由于可靠提取特征的困难，近年来 largely 落后于基于强度的方法。然而，近期在深度学习方面的进展现在显著克服了这些困难，提供了能够即时提供可靠、细粒度解剖描绘的预训练分割模型。我们旨在演示这些进展如何被用于创建新的解剖学导向图像配准算法。为此，我们提出 Polaffini，从这些分割区域中获取解剖学导向特征点，以一种 particularly 简单的方式：提取其质心。这使得通过闭形式解实现高效的全局和局部仿射匹配成为可能。用于产生总体变换（从仿射到多仿射）并具有可调平滑性。多仿射变换比仿射变换具有更多的自由度，允许更精细的配准，其嵌入在 log-Euclidean 框架中确保了微分同胚性。Polaffini 可用于独立配准，也可用于后续非线性配准的预配准，我们对其进行评估，与流行的基于强度的配准技术进行比较。结果表明，Polaffini 在结构配准方面优于竞争方法，并为下游非线性配准提供了改进的初始化。Polaffini 快速、稳健且精确，特别适合集成到医学图像处理管道中。