Semi-weakly-supervised neural network training for medical image registration

要約

登録ネットワークのトレーニングでは、セグメント化された対応する関心領域 (ROI) からの弱い監視が、(a) 監視されていない手法を補完し、(b) 監視されていない損失が利用できない、または効果がない登録タスクで独立して使用される場合に効果的であることが証明されています。
この通信通知の監視には、多大な専門的労力を必要とする注釈のコストがかかります。
この論文では、対応する ROI ラベル付きデータセットが小さい場合に、ラベルなし画像ペアを利用することでモデルのパフォーマンスを向上させる、半弱教師付き登録パイプラインについて説明します。
一貫性ベースの教師なし損失をラベルなしデータに適用できるように、ネットワーク重みの摂動と画像のリサンプリングによる 2 種類の拡張方法を検証します。
新しい WarpDDF および RegCut アプローチは、分類やセグメンテーションのための既存の摂動手法とは異なり、画像ペアと予測された空間変換 (つまり登録ネットワークのそれぞれの入力と出力) の間の可換摂動を可能にするために提案されています。
8 つの解剖学的 ROI でラベル付けされた 589 枚の男性骨盤 MR 画像を使用した実験では、位置合わせパフォーマンスの向上と、個々の戦略による貢献の除去が示されました。
さらに、この研究では、被験者間の MR を登録することで可能となる、骨盤構造に関する最初の計算アトラスの 1 つを構築することを試みており、アトラス例の臨床使用の可能性についての議論とともに、提案された半弱い監視による有意差を定量化しています。
派生統計。

要約(オリジナル)

For training registration networks, weak supervision from segmented corresponding regions-of-interest (ROIs) have been proven effective for (a) supplementing unsupervised methods, and (b) being used independently in registration tasks in which unsupervised losses are unavailable or ineffective. This correspondence-informing supervision entails cost in annotation that requires significant specialised effort. This paper describes a semi-weakly-supervised registration pipeline that improves the model performance, when only a small corresponding-ROI-labelled dataset is available, by exploiting unlabelled image pairs. We examine two types of augmentation methods by perturbation on network weights and image resampling, such that consistency-based unsupervised losses can be applied on unlabelled data. The novel WarpDDF and RegCut approaches are proposed to allow commutative perturbation between an image pair and the predicted spatial transformation (i.e. respective input and output of registration networks), distinct from existing perturbation methods for classification or segmentation. Experiments using 589 male pelvic MR images, labelled with eight anatomical ROIs, show the improvement in registration performance and the ablated contributions from the individual strategies. Furthermore, this study attempts to construct one of the first computational atlases for pelvic structures, enabled by registering inter-subject MRs, and quantifies the significant differences due to the proposed semi-weak supervision with a discussion on the potential clinical use of example atlas-derived statistics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google