形变与否：基于无监督关键点检测的乳腺癌新辅助化疗期间DCE-MRI治疗感知纵向配准
图像与视频处理
2024-01-18 v1 计算机视觉与模式识别
摘要
临床医生通过比较新辅助化疗(NAC)后的乳腺动态对比增强磁共振成像(DCE-MRI)与治疗前扫描来评估对NAC的反应。临床证据支持，准确且不使已治疗肿瘤区域发生形变的纵向可变形配准是量化肿瘤变化的关键。我们提出了一种基于无监督关键点检测和选择性体积保持的条件金字塔配准网络，用于量化随时间的变化。在该方法中，我们从DCE-MRI中提取结构关键点和异常关键点，应用结构关键点进行配准算法以限制大形变，并基于异常关键点采用体积保持损失，以保持配准后肿瘤体积不变。我们使用了一个包含来自314名接受NAC治疗的患者的1630次MRI扫描的临床数据集。结果表明，我们的方法在配准性能和肿瘤体积保持方面均表现更优。此外，基于所提出方法的局部-全局组合生物标志物在病理完全缓解(pCR)预测中达到了高准确率，表明肿瘤区域之外也存在预测信息。这些生物标志物可能用于避免某些患者进行不必要的手术。对于临床医生和/或计算机系统而言，在我们方法配准后的图像上进行后续肿瘤分割和反应预测可能具有价值。我们的代码可在\url{https://github.com/fiy2W/Treatment-aware-Longitudinal-Registration}获取。
引用
@article{arxiv.2401.09336,
title = {To deform or not: treatment-aware longitudinal registration for breast DCE-MRI during neoadjuvant chemotherapy via unsupervised keypoints detection},
author = {Luyi Han and Tao Tan and Tianyu Zhang and Yuan Gao and Xin Wang and Valentina Longo and Sofía Ventura-Díaz and Anna D'Angelo and Jonas Teuwen and Ritse Mann},
journal= {arXiv preprint arXiv:2401.09336},
year = {2024}
}