MrRegNet: Multi-resolution Mask Guided Convolutional Neural Network for Medical Image Registration with Large Deformations

要約

変形可能な画像位置合わせ (位置合わせ) は、コンピューター支援診断や疾患の進行分析など、多くの臨床応用で非常に求められています。
ディープ畳み込みニューラル ネットワーク (DCNN) ベースの画像レジストレーション方法は、レジストレーション精度と計算速度の点で利点があることが実証されています。
ただし、ほとんどの方法はグローバルな位置合わせには優れていますが、ローカル領域の位置合わせではパフォーマンスが劣ることがよくあります。
この課題に対処するために、この論文では、MrRegNet と呼ばれる、マスクガイド付きエンコーダ/デコーダ DCNN ベースの画像登録方法を提案します。
このアプローチでは、特徴抽出に多重解像度エンコーダーを使用し、その後デコーダーで多重解像度変位フィールドを推定して、画像の大幅な変形を処理します。
さらに、モデルの注意を局所領域の位置合わせに向けるために、セグメンテーション マスクが使用されます。
結果は、提案された手法が、公共の 3D 脳 MRI データセット (OASIS) および大きな変形を伴うローカル 2D 脳 MRI データセット上で、Demons やよく知られた深層学習手法である VoxelMorph などの従来の手法よりも優れたパフォーマンスを発揮することを示しています。
重要なのは、セグメンテーション マスクによって導かれる局所領域での画像の位置合わせの精度が大幅に向上することです。
Github リンク:https://github.com/ruizhe-l/MrRegNet。

要約(オリジナル)

Deformable image registration (alignment) is highly sought after in numerous clinical applications, such as computer aided diagnosis and disease progression analysis. Deep Convolutional Neural Network (DCNN)-based image registration methods have demonstrated advantages in terms of registration accuracy and computational speed. However, while most methods excel at global alignment, they often perform worse in aligning local regions. To address this challenge, this paper proposes a mask-guided encoder-decoder DCNN-based image registration method, named as MrRegNet. This approach employs a multi-resolution encoder for feature extraction and subsequently estimates multi-resolution displacement fields in the decoder to handle the substantial deformation of images. Furthermore, segmentation masks are employed to direct the model’s attention toward aligning local regions. The results show that the proposed method outperforms traditional methods like Demons and a well-known deep learning method, VoxelMorph, on a public 3D brain MRI dataset (OASIS) and a local 2D brain MRI dataset with large deformations. Importantly, the image alignment accuracies are significantly improved at local regions guided by segmentation masks. Github link:https://github.com/ruizhe-l/MrRegNet.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google