用于全自动 X 射线到 CT 配准的位姿相关权重与域随机化
图像与视频处理
2021-04-16 v2 计算机视觉与模式识别
摘要
全自动 X 射线到 CT 配准需要可靠的初始化，以在现有基于强度的配准的捕获范围内提供初始对齐。本工作通过提供一种新颖的自动初始化来满足该需求，其实现了端到端配准。首先，训练一个神经网络一次以在模拟 X 射线上检测一组解剖标志点。提出了一种域随机化方案，使网络能够克服仅在模拟数据上训练并在真实 X 射线上进行推理的挑战。然后，对于每个患者 CT，使用一种患者特定的标志点提取方案。它基于对先前训练网络在一组模拟 X 射线上的预测进行反投影与聚类。接下来，重新训练网络以检测新标志点。最后，结合网络与 3D 标志点位置，使用透视-n-点算法计算初始化。在计算位姿时，引入了一种加权方案以纳入网络检测标志点的置信度。该算法在骨盆上同时使用真实与模拟 X 射线进行评估。以毫米计的平均（±标准差）目标配准误差为：模拟 X 射线 4.1 ± 4.3，成功率 92%；真实 X 射线 4.2 ± 3.9，成功率 86.8%；其中成功定义为平移误差小于 30 mm。
引用
@article{arxiv.2011.07294,
title = {Pose-dependent weights and Domain Randomization for fully automatic X-ray to CT Registration},
author = {Matthias Grimm and Javier Esteban and Mathias Unberath and Nassir Navab},
journal= {arXiv preprint arXiv:2011.07294},
year = {2021}
}