Cross-Modality Image Registration using a Training-Time Privileged Third Modality

要約

この作業では、ペアワイズクロスモダリティ画像レジストレーションのタスクを検討します。これは、登録されているものとは異なる追加のモダリティから、トレーニング時にのみ利用可能な追加の画像を活用することでメリットが得られる可能性があります。
例として、T2強調（T2w）スキャンと高いb値（DWI $ _ {high-b} $）の拡散強調スキャンの間で、被験者内マルチパラメトリック磁気共鳴（mpMR）画像を位置合わせすることに焦点を当てます。
mpMR画像で腫瘍の位置を特定するアプリケーションの場合、対応する機能が利用できるため、b値がゼロ（DWI $ _ {b = 0} $）の拡散スキャンはT2wに登録するのが簡単であると考えられます。
困難なマルチモダリティ登録問題をサポートするために、トレーニングのみのイメージングモダリティDWI $ _ {b = 0} $を使用して、特権モダリティアルゴリズムからの学習を提案します。
356人の前立腺癌患者からの369セットの3DマルチパラメトリックMRI画像に基づく実験結果を提示し、ホールドアウトDWI $ _ {high-b} $およびT2wを登録するときに、統計的に有意に、4.34mmの中央値ターゲット登録エラーの低下を報告します。
登録前の7.96mmと比較した画像ペア。
結果はまた、提案された学習ベースの登録ネットワークが、追加のモダリティの有無にかかわらず、古典的な反復アルゴリズムおよび他のテストされた学習ベースの方法と比較して、同等またはより高い精度で効率的な登録を可能にしたことを示しています。
これらの比較されたアルゴリズムは、この困難なアプリケーションでDWI $ _{high-b}$とT2wの間の大幅に改善されたアライメントを生成することもできませんでした。

要約(オリジナル)

In this work, we consider the task of pairwise cross-modality image registration, which may benefit from exploiting additional images available only at training time from an additional modality that is different to those being registered. As an example, we focus on aligning intra-subject multiparametric Magnetic Resonance (mpMR) images, between T2-weighted (T2w) scans and diffusion-weighted scans with high b-value (DWI$_{high-b}$). For the application of localising tumours in mpMR images, diffusion scans with zero b-value (DWI$_{b=0}$) are considered easier to register to T2w due to the availability of corresponding features. We propose a learning from privileged modality algorithm, using a training-only imaging modality DWI$_{b=0}$, to support the challenging multi-modality registration problems. We present experimental results based on 369 sets of 3D multiparametric MRI images from 356 prostate cancer patients and report, with statistical significance, a lowered median target registration error of 4.34 mm, when registering the holdout DWI$_{high-b}$ and T2w image pairs, compared with that of 7.96 mm before registration. Results also show that the proposed learning-based registration networks enabled efficient registration with comparable or better accuracy, compared with a classical iterative algorithm and other tested learning-based methods with/without the additional modality. These compared algorithms also failed to produce any significantly improved alignment between DWI$_{high-b}$ and T2w in this challenging application.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google