HDR 前列腺近距离放疗中 3D MRI-超声可变形图像注册的弱监督空间隐式神经表示学习
医学物理
2025-03-19 v1 计算机视觉与模式识别
摘要
目的：准确的 3D MRI-超声（US）可变形注册对于高剂量率（HDR）前列腺近距离放疗中的实时引导至关重要。我们提出了一种弱监督空间隐式神经表示（SINR）方法，以解决模态差异和骨盆解剖结构挑战。方法：该框架利用来自 MRI/US 分割的稀疏表面监督，而非密集强度匹配。SINR 将变形建模为连续空间函数，由患者特定的表面先验引导一个平稳速度场，以实现生物学上合理的变形。验证包括 20 个公开 Prostate-MRI-US-Biopsy 病例和 10 个机构 HDR 病例，通过 Dice 相似系数（DSC）、平均表面距离（MSD）和 95% Hausdorff 距离（HD95）进行评估。结果：所提方法实现了稳健的注册。对于公开数据集，前列腺 DSC 为 ，MSD 为 mm，HD95 为 mm。对于机构数据集，前列腺 CTV 的 DSC 为 ，MSD 为 mm，HD95 为 mm。膀胱和直肠的性能较低，原因在于超声的视野有限。视觉评估确认了准确的配准且差异最小。结论：本研究提出了一种新颖的基于弱监督 SINR 的 3D MRI-US 可变形注册方法。通过利用稀疏表面监督和空间先验，该方法实现了准确、稳健且计算高效的注册，增强了 HDR 前列腺近距离放疗中的实时图像引导并提高了治疗精度。
引用
@article{arxiv.2503.14395,
title = {Weakly Supervised Spatial Implicit Neural Representation Learning for 3D MRI-Ultrasound Deformable Image Registration in HDR Prostate Brachytherapy},
author = {Jing Wang and Ruirui Liu and Yu Lei and Michael J. Baine and Tian Liu and Yang Lei},
journal= {arXiv preprint arXiv:2503.14395},
year = {2025}
}