面向逆一致性微分同胚肺部图像配准的不确定性感知测试时适应
图像与视频处理
2024-11-13 v1 计算机视觉与模式识别
机器学习
摘要
微分同胚可变形图像配准确保吸气期和呼气期胸部 CT 扫描之间的平滑可逆变换。然而在实践中，基于深度学习的微分同胚方法难以捕捉吸气期与呼气期体积之间的大变形，因此缺乏逆一致性。现有方法也未考虑模型不确定性，而这对提升性能有益。我们提出了一种面向逆一致性微分同胚肺部配准的不确定性感知测试时适应框架。该方法利用蒙特卡洛（MC）Dropout 估计空间不确定性，并用于改进模型性能。我们在 COPDGene 研究的 675 例大规模队列上训练并评估了吸气期到呼气期的 CT 配准，肺部边界的 Dice 相似性系数（DSC）达到 0.966，高于 VoxelMorph（0.953）和 TransMorph（0.953）。在逆配准方向上，本方法也表现出持续改进，总体 DSC 为 0.966，高于 VoxelMorph（0.958）和 TransMorph（0.956）。配对 t 检验表明改进具有统计学显著性。
引用
@article{arxiv.2411.07567,
title = {Uncertainty-Aware Test-Time Adaptation for Inverse Consistent Diffeomorphic Lung Image Registration},
author = {Muhammad F. A. Chaudhary and Stephanie M. Aguilera and Arie Nakhmani and Joseph M. Reinhardt and Surya P. Bhatt and Sandeep Bodduluri},
journal= {arXiv preprint arXiv:2411.07567},
year = {2024}
}
备注
5 pages, 4 figures