面向利用模拟内窥镜图像自动初始化配准算法
计算机视觉与模式识别
2018-06-29 v1 图形学
机器学习
摘要
配准不同模态的图像是计算机辅助医疗干预中的活跃研究领域。已开发若干配准算法,其中许多达到高精度。然而,这些结果依赖于诸多因素,包括被配准的所提取特征或分割的质量以及初始对齐。尽管已开发多种方法以改进分割算法并自动化分割过程,但鲜有自动初始化算法被探索。在许多情况下,发起配准的初始对齐是手动执行的,这干扰了临床工作流。我们的目标是在内窥镜操作中利用场景分类来实现内窥镜与解剖结构术前图像的粗对齐。本文中,我们利用模拟场景表明,神经网络可通过观察单帧内窥镜视频帧来预测内窥镜所处的解剖区域(相对于术前图像)。在有限训练且未做任何超参数调优的情况下,我们的方法达到76.53(±1.19)%的准确率。存在若干改进途径,使这是一个有前景的研究方向。代码见https://github.com/AyushiSinha/AutoInitialization。
引用
@article{arxiv.1806.10748,
title = {Towards automatic initialization of registration algorithms using simulated endoscopy images},
author = {Ayushi Sinha and Masaru Ishii and Russell H. Taylor and Gregory D. Hager and Austin Reiter},
journal= {arXiv preprint arXiv:1806.10748},
year = {2018}
}
备注
4 pages, 4 figures