Registration by Regression (RbR): a framework for interpretable and flexible atlas registration

要約

人間の神経画像研究では、アトラス登録により、MRI スキャンを共通の座標フレームにマッピングできます。これは、複数の被験者からのデータを集約するために必要です。
機械学習による登録手法は優れた速度と精度を実現していますが、解釈可能性に欠けています。
最近では、この問題に取り組むためにキーポイントベースの方法が提案されていますが、特に非線形変換をフィッティングする場合、その精度は依然として標準以下です。
ここでは、非常に堅牢で柔軟性があり、概念的にシンプルで、安価に取得したデータでトレーニングできる新しいアトラス登録フレームワークである Registration by Regression (RbR) を提案します。
RbR は、入力スキャンのすべてのボクセルの (x,y,z) アトラス座標を予測し (つまり、すべてのボクセルがキーポイントです)、次に閉じた形式の式を使用して、次のようなさまざまな可能な変形モデルを使用して変換を迅速に適合させます。
アフィンおよび非線形 (例: Bスプライン、デーモン、可逆微分同相モデルなど)。
堅牢性は登録情報を提供する多数のボクセルによって提供され、RANSAC のような堅牢な推定器によってさらに高めることができます。
独立した公開データセットでの実験では、RbR が変形モデルを完全に制御しながら、競合するキーポイント アプローチよりも正確な位置合わせが可能であることが示されています。

要約(オリジナル)

In human neuroimaging studies, atlas registration enables mapping MRI scans to a common coordinate frame, which is necessary to aggregate data from multiple subjects. Machine learning registration methods have achieved excellent speed and accuracy but lack interpretability. More recently, keypoint-based methods have been proposed to tackle this issue, but their accuracy is still subpar, particularly when fitting nonlinear transforms. Here we propose Registration by Regression (RbR), a novel atlas registration framework that is highly robust and flexible, conceptually simple, and can be trained with cheaply obtained data. RbR predicts the (x,y,z) atlas coordinates for every voxel of the input scan (i.e., every voxel is a keypoint), and then uses closed-form expressions to quickly fit transforms using a wide array of possible deformation models, including affine and nonlinear (e.g., Bspline, Demons, invertible diffeomorphic models, etc.). Robustness is provided by the large number of voxels informing the registration and can be further increased by robust estimators like RANSAC. Experiments on independent public datasets show that RbR yields more accurate registration than competing keypoint approaches, while providing full control of the deformation model.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google