CDIDN: A Registration Model with High Deformation Impedance Capability for Long-Term Tracking of Pulmonary Lesion Dynamics

要約

私たちは、医療用 CT 画像の位置合わせの問題を、CT 画像の変形の程度に対する感度という新しい観点から研究します。
一部の学習ベースの方法は平均精度の点で成功を示していますが、局所的な大きな変形 (LLD) のある領域を処理する能力は、小さな変形のある領域を処理する場合に比べて大幅に低下する可能性があります。
これが私たちのこの問題の研究の動機となっています。
LLD の 2 つの主な原因は臓器の動きと組織構造の変化であり、後者は長期にわたるプロセスであることがよくあります。
この論文では、高い変形インピーダンス能力 (DIC) と精度の両方を示す、カスケード拡張層間差分ネットワーク (CDIDN) と呼ばれる新しい登録モデルを提案します。
CDIDN は、変位場 (DF) 内の LLD を強化することにより、CT 画像内の LLD に対する回復力を向上させます。
これは、LLD のフィーチャーベースのプログレッシブ分解を使用し、さまざまなレベルのフィーチャー フローをトップダウン方式でメイン フローにブレンドします。
各レベルで層間差分モジュール (IDM) を活用して、メイン フローを局所的に調整し、フィーチャ フローをグローバルに平滑化します。また、さまざまな度合いのフィーチャ変形を効果的に処理できるフィーチャ速度フィールドも統合します。
変形の大きな臓器の代表として肺を用いてCDIDNを評価します。
私たちの調査結果は、IDM が DF の LLD を大幅に強化し、それによって DIC とモデルの精度が向上することを示しています。
他の優れた学習ベースの方法と比較して、CDIDN は最高の DIC と優れた精度を示します。
DFの血管強調と強化されたLLDに基づいて、肺病変の出現、消失、拡大、縮小を正確に追跡する新しい方法を提案します。これは、初期病変と末梢肺病変の検出、偽拡大、偽拡大の問題に効果的に対処します。
病変の縮小と切断。

要約(オリジナル)

We study the problem of registration for medical CT images from a novel perspective — the sensitivity to degree of deformations in CT images. Although some learning-based methods have shown success in terms of average accuracy, their ability to handle regions with local large deformation (LLD) may significantly decrease compared to dealing with regions with minor deformation. This motivates our research into this issue. Two main causes of LLDs are organ motion and changes in tissue structure, with the latter often being a long-term process. In this paper, we propose a novel registration model called Cascade-Dilation Inter-Layer Differential Network (CDIDN), which exhibits both high deformation impedance capability (DIC) and accuracy. CDIDN improves its resilience to LLDs in CT images by enhancing LLDs in the displacement field (DF). It uses a feature-based progressive decomposition of LLDs, blending feature flows of different levels into a main flow in a top-down manner. It leverages Inter-Layer Differential Module (IDM) at each level to locally refine the main flow and globally smooth the feature flow, and also integrates feature velocity fields that can effectively handle feature deformations of various degrees. We assess CDIDN using lungs as representative organs with large deformation. Our findings show that IDM significantly enhances LLDs of the DF, by which improves the DIC and accuracy of the model. Compared with other outstanding learning-based methods, CDIDN exhibits the best DIC and excellent accuracy. Based on vessel enhancement and enhanced LLDs of the DF, we propose a novel method to accurately track the appearance, disappearance, enlargement, and shrinkage of pulmonary lesions, which effectively addresses detection of early lesions and peripheral lung lesions, issues of false enlargement, false shrinkage, and mutilation of lesions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google