2025年脑切除多模态图像配准（ReMIND2Reg）挑战赛
计算机视觉与模式识别
2025-11-18 v2
摘要
精确的术中图像引导对于脑肿瘤手术实现最大安全切除至关重要，然而基于术前磁共振成像（MRI）的神经导航系统在手术过程中会因脑移位而失去准确性。将切除后的术中超声（iUS）与术前MRI对齐可以通过估计脑移位形变来恢复空间精度，但鉴于巨大的解剖和拓扑变化以及显著的模态强度差异，这仍然是一个具有挑战性的问题。ReMIND2Reg 2025挑战赛为此任务提供了最大的公开基准，该基准建立在ReMIND数据集之上。它提供了99个训练病例、5个验证病例和10个私有测试病例，包含配对的3D ceT1 MRI、T2 MRI和切除后3D iUS体积。训练数据不提供标注，而验证和测试性能则基于手动标注的解剖标志点进行评估。评估指标包括目标配准误差（TRE）、对最差情况标志点未对齐的鲁棒性（TRE30）以及运行时间。通过为这一临床关键且技术复杂的问题建立标准化评估框架，ReMIND2Reg旨在加速开发用于图像引导神经外科的鲁棒、可泛化且临床可部署的多模态配准算法。
引用
@article{arxiv.2508.09649,
title = {The Brain Resection Multimodal Image Registration (ReMIND2Reg) 2025 Challenge},
author = {Reuben Dorent and Laura Rigolo and Colin P. Galvin and Junyu Chen and Mattias P. Heinrich and Aaron Carass and Olivier Colliot and Demian Wassermann and Alexandra Golby and Tina Kapur and William Wells},
journal= {arXiv preprint arXiv:2508.09649},
year = {2025}
}