A Tournament of Transformation Models: B-Spline-based vs. Mesh-based Multi-Objective Deformable Image Registration

要約

変換モデルは、あらゆる変形可能な画像登録アプローチの重要なコンポーネントです。
これは画像間の物理的な変形を表現し、それによって検出できる位置合わせの範囲と現実性を定義します。
B スプライン モデルとメッシュ モデルという 2 種類の変換モデルが一般的な選択肢として浮上しています。
両方のモデルは詳細に調査されていますが、実際にはモデルが非常に異なる最適化方法を使用して最適化されているため、直接の比較はまだ行われていません。
B スプライン モデルは主に勾配降下法を使用して最適化されますが、メッシュ モデルは通常、有限要素法ソルバーまたは進化的アルゴリズムを使用して最適化されます。
高品質のトレードオフ レジストレーションの多様なセットを見つけることを目的とした多目的最適化手法は、変形可能な画像レジストレーションにおいて重要であることがますます認識されています。
これらの方法はさまざまな登録セットを検索するため、さまざまな変換モデルの機能のより完全な全体像を提供し、モデルの比較に適しています。
この研究では、同じ最先端の多目的最適化手法である多目的実数値遺伝子プール最適化を使用して両方のモデルを最適化することにより、B スプライン変換モデルとメッシュ変換モデルの間の最初の直接比較を実行します。
混合進化アルゴリズム (MO-RV-GOMEA)。
さらに、B-スプライン変換モデルとの組み合わせは斬新です。
両方のモデルを、大きな変形を特徴とする子宮頸がん患者の骨盤 CT スキャンに基づいた 2 つの異なる位置合わせ問題で実験的に比較します。
3 人の子宮頸がん患者に関する我々の結果は、変換モデルの選択が、達成される登録結果の多様性と質に大きな影響を与える可能性があることを示しています。

要約(オリジナル)

The transformation model is an essential component of any deformable image registration approach. It provides a representation of physical deformations between images, thereby defining the range and realism of registrations that can be found. Two types of transformation models have emerged as popular choices: B-spline models and mesh models. Although both models have been investigated in detail, a direct comparison has not yet been made, since the models are optimized using very different optimization methods in practice. B-spline models are predominantly optimized using gradient-descent methods, while mesh models are typically optimized using finite-element method solvers or evolutionary algorithms. Multi-objective optimization methods, which aim to find a diverse set of high-quality trade-off registrations, are increasingly acknowledged to be important in deformable image registration. Since these methods search for a diverse set of registrations, they can provide a more complete picture of the capabilities of different transformation models, making them suitable for a comparison of models. In this work, we conduct the first direct comparison between B-spline and mesh transformation models, by optimizing both models with the same state-of-the-art multi-objective optimization method, the Multi-Objective Real-Valued Gene-pool Optimal Mixing Evolutionary Algorithm (MO-RV-GOMEA). The combination with B-spline transformation models, moreover, is novel. We experimentally compare both models on two different registration problems that are both based on pelvic CT scans of cervical cancer patients, featuring large deformations. Our results, on three cervical cancer patients, indicate that the choice of transformation model can have a profound impact on the diversity and quality of achieved registration outcomes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google