Primitive Simultaneous Optimization of Similarity Metrics for Image Registration

要約

【タイトル】
画像レジストレーションのための類似度メトリックの原始的同時最適化

【要約】
・類似度メトリックの同時最適化はセマンティックセグメンテーションの分野では標準的な手続きだが、画像レジストレーションの場合はそれが当てはまらないことがある。
・そのため、原始的加算によって実装された登録メトリックの同時最適化が画像レジストレーションの改善に役立つかどうかを、複雑な3Dマルチモーダル環境で検討する。
・グリオーマの予後後および手術前後、手術前および手術中のMRIのコレクションを含む2つの難解なデータセットを評価し、提案された最適化を用いて、専門家の神経放射線医によるランドマーク注釈のTarget Registration Error（TRE）について、登録精度が向上することを示す。

要約(オリジナル)

Even though simultaneous optimization of similarity metrics represents a standard procedure in the field of semantic segmentation, surprisingly, this does not hold true for image registration. To close this unexpected gap in the literature, we investigate in a complex multi-modal 3D setting whether simultaneous optimization of registration metrics, here implemented by means of primitive summation, can benefit image registration. We evaluate two challenging datasets containing collections of pre- to post-operative and pre- to intra-operative Magnetic Resonance Imaging (MRI) of glioma. Employing the proposed optimization we demonstrate improved registration accuracy in terms of Target Registration Error (TRE) on expert neuroradiologists’ landmark annotations.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI