USLR：一种用于脑 MRI 无偏平滑纵向配准的开源工具
图像与视频处理
2023-11-15 v1 计算机视觉与模式识别
摘要
我们提出 USLR，一种用于脑 MRI 扫描纵向配准的计算框架，可估计随时间平滑、对任意时间点无偏且对成像伪影鲁棒的非线性图像轨迹。它基于空间变换的李代数参数化（兼容刚性变换与用于非线性形变的平稳速度场）运行，并利用对数域性质通过贝叶斯推断求解问题。USLR 估计的刚性与非线性配准可：(i) 将所有时间点配准至无偏的受试者特定空间；(ii) 计算跨成像时间序列的平滑轨迹。我们利用基于学习的配准算法与闭式表达式实现快速推断。一项阿尔茨海默病的用例研究展示了该流程在多方面的优势，例如减少受试者内变异的时间一致图像分割、受试者特定预测或使用基于张量的形态测量学的群体分析。我们证明，该方法在识别组间差异上优于横截面方法，有助于检测更细微的萎缩水平或缩减临床试验样本量。代码已公开于 https://github.com/acasamitjana/uslr
引用
@article{arxiv.2311.08371,
title = {USLR: an open-source tool for unbiased and smooth longitudinal registration of brain MR},
author = {Adrià Casamitjana and Roser Sala-Llonch and Karim Lekadir and Juan Eugenio Iglesias},
journal= {arXiv preprint arXiv:2311.08371},
year = {2023}
}
备注
Submitted to Medical Image Analysis