基于不平衡最优传输的鲁棒纵向脑区进展：结合注册感知与外观引导的先验条件
计算机视觉与模式识别
2026-02-11 v1 人工智能
摘要
评估癌症患者 CT 扫描中脑区的纵向进展对于 assessing 治疗反应至至关重要，但在建立可靠的脑区对应关系方面仍面临挑战。标准双边匹配器依赖几何邻近性，当脑区出现、消失、合并或分裂时往往难以处理。我们提出了一种基于不平衡最优传输 (UOT) 的注册感知匹配器，能够容纳不相等的脑区质量并适应患者水平肿瘤负荷的变化。我们的传输成本融合了 (i) 大小归一化的几何信息、(ii) 来自变形场雅可比矩阵的局部注册可信度，以及 (iii) 可选的块级外观一致性。 resulting transport plan 通过相对修剪稀疏化，生成一对一匹配以及新的、消失的、合并和分裂脑区，无需重新训练或使用启发式规则。在纵向 CT 数据上，我们的方法在边缘检测精度和召回率、改进的脑区状态召回率以及优异的脑区图成分 F1 分数方面持续优于仅基于距离的基线方法。
引用
@article{arxiv.2602.09933,
title = {Unbalanced optimal transport for robust longitudinal lesion evolution with registration-aware and appearance-guided priors},
author = {Melika Qahqaie and Dominik Neumann and Tobias Heimann and Andreas Maier and Veronika A. Zimmer},
journal= {arXiv preprint arXiv:2602.09933},
year = {2026}
}
备注
This work has been submitted to the IEEE for possible publication. Accepted at the IEEE International Symposium on Biomedical Imaging (ISBI) 2026