Super-resolution multi-contrast unbiased eye atlases with deep probabilistic refinement

要約

目的: 目の形態、特に眼窩と視神経は集団によって大きく異なります。
これらの変動により、眼器官の集団ごとの特徴を不偏な空間参照に一般化する実現可能性と堅牢性が制限されます。
アプローチ: これらの制限に対処するために、高解像度で偏りのないアイ アトラスを作成するプロセスを提案します。
まず、高い面内解像度と比較して低い面内解像度でのスキャンから空間の詳細を復元するために、深層学習ベースの超解像度アルゴリズムを適用します。
次に、被験者のスキャンのごく一部を使用して、反復的なメトリックベースの位置合わせで初期の不偏参照を生成します。
残りのスキャンをこのテンプレートに登録し、臓器境界の位置合わせを強化するためにより拡張的な変形フィールドを生成する教師なしの深い確率的アプローチを使用してテンプレートを改良します。
我々は、4 つの異なる組織コントラストにわたる磁気共鳴画像を使用してこのフレームワークを実証し、別々の空間配置で 4 つのアトラスを生成します。
結果: 各組織コントラストについて、剛体、アフィン、変形可能変換で構成される標準的な登録フレームワークと比較して、Wilcoxon 符号付き順位検定を使用すると、4 つのラベル付き領域にわたる平均 Dice スコアが大幅に改善されたことがわかりました。
これらの結果は、私たちが提案したプロセスを使用した目の器官と境界の効果的な位置合わせを強調しています。
結論: 超解像度の前処理と詳細な確率モデルを組み合わせることで、大きく変動する集団全体にわたる標準化された参照として機能する眼のアトラスを生成するという課題に取り組みます。

要約(オリジナル)

Purpose: Eye morphology varies significantly across the population, especially for the orbit and optic nerve. These variations limit the feasibility and robustness of generalizing population-wise features of eye organs to an unbiased spatial reference. Approach: To tackle these limitations, we propose a process for creating high-resolution unbiased eye atlases. First, to restore spatial details from scans with a low through-plane resolution compared to a high in-plane resolution, we apply a deep learning-based super-resolution algorithm. Then, we generate an initial unbiased reference with an iterative metric-based registration using a small portion of subject scans. We register the remaining scans to this template and refine the template using an unsupervised deep probabilistic approach that generates a more expansive deformation field to enhance the organ boundary alignment. We demonstrate this framework using magnetic resonance images across four different tissue contrasts, generating four atlases in separate spatial alignments. Results: For each tissue contrast, we find a significant improvement using the Wilcoxon signed-rank test in the average Dice score across four labeled regions compared to a standard registration framework consisting of rigid, affine, and deformable transformations. These results highlight the effective alignment of eye organs and boundaries using our proposed process. Conclusions: By combining super-resolution preprocessing and deep probabilistic models, we address the challenge of generating an eye atlas to serve as a standardized reference across a largely variable population.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google