NestedMorph: Enhancing Deformable Medical Image Registration with Nested Attention Mechanisms

要約

変形可能な画像レジストレーションは、異なるモダリティ間で非線形に医用画像を整列させ、様々な解剖学的構造間の正確な空間的対応を可能にするために極めて重要である。本論文では、T1強調（T1w）MRIと拡散MRI（dMRI）データ間の被験者内変形レジストレーションを改善するために、ネステッド・アテンション・フュージョン（Nested Attention Fusion）アプローチを利用した新しいネットワークであるNestedMorphを紹介する。NestedMorphは、マルチスケールフレームワークを用いて、エンコーダからの高解像度空間詳細情報とデコーダからの意味情報を統合し、局所的特徴抽出と大域的特徴抽出の両方を強化する。我々のモデルは、VoxelMorph、MIDIR、CycleMorphのようなCNNベースのアプローチや、TransMorphやViT-V-NetのようなTransformerベースのモデル、NiftyRegやSyNのような伝統的な手法を含む既存の手法を顕著に上回る。HCPデータセットでの評価は、NestedMorphがSSIM、HD95、SDlogJを含む主要なメトリクスにおいて優れた性能を達成し、最高のSSIMは0.89、最低のHD95は2.5、SDlogJは0.22であることを示しています。これらの結果は、NestedMorphが局所的および大域的な画像特徴を効果的に捉える能力を持ち、優れたレジストレーション性能につながることを強調している。本研究の有望な結果は、NestedMorphが変形可能な医用画像レジストレーションを大幅に進歩させる可能性を強調するものであり、将来の研究や臨床応用のための強固なフレームワークを提供するものである。ソースコードと我々の実装は以下から入手可能： https://bit.ly/3zdVqcg

要約(オリジナル)

Deformable image registration is crucial for aligning medical images in a non-linear fashion across different modalities, allowing for precise spatial correspondence between varying anatomical structures. This paper presents NestedMorph, a novel network utilizing a Nested Attention Fusion approach to improve intra-subject deformable registration between T1-weighted (T1w) MRI and diffusion MRI (dMRI) data. NestedMorph integrates high-resolution spatial details from an encoder with semantic information from a decoder using a multi-scale framework, enhancing both local and global feature extraction. Our model notably outperforms existing methods, including CNN-based approaches like VoxelMorph, MIDIR, and CycleMorph, as well as Transformer-based models such as TransMorph and ViT-V-Net, and traditional techniques like NiftyReg and SyN. Evaluations on the HCP dataset demonstrate that NestedMorph achieves superior performance across key metrics, including SSIM, HD95, and SDlogJ, with the highest SSIM of 0.89, and the lowest HD95 of 2.5 and SDlogJ of 0.22. These results highlight NestedMorph’s ability to capture both local and global image features effectively, leading to superior registration performance. The promising outcomes of this study underscore NestedMorph’s potential to significantly advance deformable medical image registration, providing a robust framework for future research and clinical applications. The source code and our implementation are available at: https://bit.ly/3zdVqcg

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL