Unsupervised Deformable Image Registration with Absent Correspondences in Pre-operative and Post-Recurrence Brain Tumor MRI Scans

要約

脳グリオーマの治療効果を評価するために，術前・術後の脳画像のレジストレーションがしばしば必要とされる．近年の深層学習ベースの変形可能レジストレーション手法は，健常脳画像で顕著な成功を収めているが，その多くは参照画像に対応関係がないため，病変のある画像を正確に位置合わせすることはできないだろう．本論文では，対応関係が存在しない領域と双方向の変形場を同時に推定する，深層学習ベースの変形レジストレーション手法を提案する．前方-後方一致制約を用いることで、2つの画像における不在対応関係を持つボクセルから、切除領域と再発領域のローカライズを支援することができる。BraTS-Regチャレンジからの3D臨床データに関する結果は、我々の方法が、コスト関数マスキング戦略の有無にかかわらず、従来のおよび深層学習ベースの登録アプローチと比較して、画像位置合わせを改善できることを示している。ソースコードは https://github.com/cwmok/DIRAC で公開されています。

要約(オリジナル)

Registration of pre-operative and post-recurrence brain images is often needed to evaluate the effectiveness of brain gliomas treatment. While recent deep learning-based deformable registration methods have achieved remarkable success with healthy brain images, most of them would be unable to accurately align images with pathologies due to the absent correspondences in the reference image. In this paper, we propose a deep learning-based deformable registration method that jointly estimates regions with absent correspondence and bidirectional deformation fields. A forward-backward consistency constraint is used to aid in the localization of the resection and recurrence region from voxels with absence correspondences in the two images. Results on 3D clinical data from the BraTS-Reg challenge demonstrate our method can improve image alignment compared to traditional and deep learning-based registration approaches with or without cost function masking strategy. The source code is available at https://github.com/cwmok/DIRAC.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL