Unsupervised Method for Intra-patient Registration of Brain Magnetic Resonance Images based on Objective Function Weighting by Inverse Consistency: Contribution to the BraTS-Reg Challenge

要約

病状を伴う脳スキャンの登録は困難ですが、重要な研究分野です。
このタスクの重要性により、研究者は IEEE ISBI 2022 および MICCAI 2022 会議と共同で BraTS-Reg チャレンジを組織するようになりました。
主催者は、神経膠腫の術前の磁気共鳴画像をフォローアップの磁気共鳴画像に合わせる作業を導入しました。
主な問題は、データの欠落に関連しており、大規模で、非剛体で、不可逆な変形につながります。
この作業では、BraTS-Reg チャレンジの両方のエディションへの貢献について説明します。
提案された方法は、深層学習とインスタンス最適化アプローチの組み合わせに基づいています。
まず、インスタンスの最適化により、最先端の LapIRN メソッドが強化され、一般化可能性と細部の保存が改善されます。
次に、逆整合性に基づいて、追加の目的関数の重み付けが導入されます。
提案された方法は完全に教師なしであり、高い登録品質とロバスト性を示します。
外部検証セットの定量的結果は、(i) IEEE ISBI 2022 版: 1.85 および 0.86、(ii) MICCAI 2022 版: 1.71 および 0.86 であり、絶対誤差の中央値とロバストネスの平均値はそれぞれです。
この方法は、チャレンジの IEEE ISBI 2022 バージョンで 1 位、MICCAI 2022 で 3 位を記録しました。将来の作業では、逆整合性ベースの重み付けを深いネットワーク トレーニングに直接転送することができます。

要約(オリジナル)

Registration of brain scans with pathologies is difficult, yet important research area. The importance of this task motivated researchers to organize the BraTS-Reg challenge, jointly with IEEE ISBI 2022 and MICCAI 2022 conferences. The organizers introduced the task of aligning pre-operative to follow-up magnetic resonance images of glioma. The main difficulties are connected with the missing data leading to large, nonrigid, and noninvertible deformations. In this work, we describe our contributions to both the editions of the BraTS-Reg challenge. The proposed method is based on combined deep learning and instance optimization approaches. First, the instance optimization enriches the state-of-the-art LapIRN method to improve the generalizability and fine-details preservation. Second, an additional objective function weighting is introduced, based on the inverse consistency. The proposed method is fully unsupervised and exhibits high registration quality and robustness. The quantitative results on the external validation set are: (i) IEEE ISBI 2022 edition: 1.85, and 0.86, (ii) MICCAI 2022 edition: 1.71, and 0.86, in terms of the mean of median absolute error and robustness respectively. The method scored the 1st place during the IEEE ISBI 2022 version of the challenge and the 3rd place during the MICCAI 2022. Future work could transfer the inverse consistency-based weighting directly into the deep network training.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google