术前与复发后脑肿瘤 MRI 扫描中缺失对应点的无监督可变形图像配准
图像与视频处理
2022-06-09 v1 计算机视觉与模式识别
摘要
常需对术前与复发后脑图像进行配准以评估脑胶质瘤治疗的有效性。尽管近期基于深度学习的可变形配准方法在健康脑图像上已取得显著成功，但由于参考图像中缺失对应点，它们大多无法准确对齐带病灶的图像。本文提出一种基于深度学习的可变形配准方法，联合估计缺失对应区域与双向形变场。采用前向后向一致性约束，辅助从两图像中缺失对应点的体素定位切除与复发区域。在来自 BraTS-Reg 挑战赛的 3D 临床数据上的结果表明，相较于带或不带代价函数掩蔽策略的传统与基于深度学习的配准方法，我们的方法能改善图像对齐。源代码见 https://github.com/cwmok/DIRAC。
引用
@article{arxiv.2206.03900,
title = {Unsupervised Deformable Image Registration with Absent Correspondences in Pre-operative and Post-Recurrence Brain Tumor MRI Scans},
author = {Tony C. W. Mok and Albert C. S. Chung},
journal= {arXiv preprint arXiv:2206.03900},
year = {2022}
}
备注
Accepted by MICCAI2022