A Survey of Feature detection methods for localisation of plain sections of Axial Brain Magnetic Resonance Imaging

要約

脳のMRI画像を自動的に登録するためには、患者間のMRI画像のマッチングや、患者のMRIスライスを脳の模擬アトラスにマッピングすることが重要である。また、MRI画像のマッチングができれば、複数の患者間のMRI画像のインデックス付けや検索、関心領域からの画像選択などの応用が可能になる。本研究では，異なる患者の脳MRIを照合したり，MRI脳切片を脳アトラス内のある位置に照合する際に，異なる技術やアプローチを比較できるように，頑健性，精度，累積距離の指標と手法を導入している．そのために、画像処理で確立された手法である特徴検出法AGAST、AKAZE、BRISK、GFTT、HardNet、ORBを用い、画像劣化への耐性と異なる患者の同一脳MRIスライスの照合能力について比較しました。その結果，これらの手法のいくつかは，異なる患者の脳MRIスライスのほとんどを正しく照合できることを実証した．ヒトの脳のアトラスを用いて照合を行った場合、それらの性能は著しく低下する。最も性能の良い特徴検出法は，SIFT検出器とHardNet記述子の組み合わせであり，他の患者とのマッチングでは93%の精度を達成し，アトラスと比較した場合には52%しか正確に画像をマッチングさせることができなかった．

要約(オリジナル)

Matching MRI brain images between patients or mapping patients’ MRI slices to the simulated atlas of a brain is key to the automatic registration of MRI of a brain. The ability to match MRI images would also enable such applications as indexing and searching MRI images among multiple patients or selecting images from the region of interest. In this work, we have introduced robustness, accuracy and cumulative distance metrics and methodology that allows us to compare different techniques and approaches in matching brain MRI of different patients or matching MRI brain slice to a position in the brain atlas. To that end, we have used feature detection methods AGAST, AKAZE, BRISK, GFTT, HardNet, and ORB, which are established methods in image processing, and compared them on their resistance to image degradation and their ability to match the same brain MRI slice of different patients. We have demonstrated that some of these techniques can correctly match most of the brain MRI slices of different patients. When matching is performed with the atlas of the human brain, their performance is significantly lower. The best performing feature detection method was a combination of SIFT detector and HardNet descriptor that achieved 93% accuracy in matching images with other patients and only 52% accurately matched images when compared to atlas.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL