2D-3D Deformable Image Registration of Histology Slide and Micro-CT with ML-based Initialization

要約

組織学およびマイクロコンピュータ断層撮影法 ({\mu}CT) の登録における最近の発展により、{\mu}CT に基づく仮想組織学などの病理学的応用の視野が広がりました。
軟部組織 CT の画質が低いため、このトピックは依然として困難です。
さらに、軟組織サンプルは通常、組織学スライドの準備中に変形するため、組織学スライドと {\mu}CT の間の構造を相関付けることが困難になります。
この研究では、新しい 2D-3D マルチモーダル変形可能な画像レジストレーション方法を提案します。
この方法では、機械学習 (ML) ベースの初期化とその後の登録が使用されます。
位置合わせは、解析的な面外変形の改良によって最終的に行われます。
この方法は、扁桃腺および腫瘍組織から取得したデータセットに基づいて評価されます。
{\mu}位相コントラストと従来の吸収モダリティの両方の CT が調査されます。
提案された方法によるレジストレーション結果は、強度ベースおよびキーポイントベースの方法によるものと比較されます。
比較は、視覚的評価と基準ベースの評価の両方を使用して行われます。
提案手法は他の 2 つの手法と比較して優れた性能を示します。

要約(オリジナル)

Recent developments in the registration of histology and micro-computed tomography ({\mu}CT) have broadened the perspective of pathological applications such as virtual histology based on {\mu}CT. This topic remains challenging because of the low image quality of soft tissue CT. Additionally, soft tissue samples usually deform during the histology slide preparation, making it difficult to correlate the structures between histology slide and {\mu}CT. In this work, we propose a novel 2D-3D multi-modal deformable image registration method. The method uses a machine learning (ML) based initialization followed by the registration. The registration is finalized by an analytical out-of-plane deformation refinement. The method is evaluated on datasets acquired from tonsil and tumor tissues. {\mu}CTs of both phase-contrast and conventional absorption modalities are investigated. The registration results from the proposed method are compared with those from intensity- and keypoint-based methods. The comparison is conducted using both visual and fiducial-based evaluations. The proposed method demonstrates superior performance compared to the other two methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google