Gaussian Representation for Deformable Image Registration

要約

変形可能な画像位置合わせ (DIR) は放射線治療における基本的なタスクであり、既存の方法では計算効率、位置合わせの精度、速度の効果的なバランスを取るのに苦労することがよくあります。
より良いトレードオフを実現するパラメトリック 3D ガウス制御点を採用した新しい DIR アプローチを導入します。
3D ボリューム医療画像間の空間変形フィールドを明示的かつ柔軟に表現し、すべてのボリューム位置にわたって変位ベクトル フィールド (DVF) を生成します。
個々のボクセルの動きは、線形ブレンド スキニング (LBS) を使用して、隣接するガウスに関連付けられた変換の局所的な補間を通じて導出されます。
この補間戦略は、ボクセルの動きの決定を簡素化するだけでなく、効果的な正則化手法としても機能します。
私たちのアプローチには、逆伝播による統合最適化プロセスが組み込まれており、3D ガウス分布のパラメータとその変換の両方の反復学習が可能になります。
さらに、ガウスの密度は、さまざまな程度の動きの複雑さに対応するために、学習フェーズ中に適応的に調整されます。
私たちは、4D-CT 肺 DIR-Lab データセットおよび心臓 ACDC データセットに対するアプローチを検証し、DIR-Lab データセットの処理時間は 2.43 秒という既存の方法と比較して大幅に改善され、平均ターゲット位置合わせ誤差 (TRE) 1.06 mm を達成しました。
精度と効率の両方において大幅な進歩が実証されました。

要約(オリジナル)

Deformable image registration (DIR) is a fundamental task in radiotherapy, with existing methods often struggling to balance computational efficiency, registration accuracy, and speed effectively. We introduce a novel DIR approach employing parametric 3D Gaussian control points achieving a better tradeoff. It provides an explicit and flexible representation for spatial deformation fields between 3D volumetric medical images, producing a displacement vector field (DVF) across all volumetric positions. The movement of individual voxels is derived using linear blend skinning (LBS) through localized interpolation of transformations associated with neighboring Gaussians. This interpolation strategy not only simplifies the determination of voxel motions but also acts as an effective regularization technique. Our approach incorporates a unified optimization process through backpropagation, enabling iterative learning of both the parameters of the 3D Gaussians and their transformations. Additionally, the density of Gaussians is adjusted adaptively during the learning phase to accommodate varying degrees of motion complexity. We validated our approach on the 4D-CT lung DIR-Lab and cardiac ACDC datasets, achieving an average target registration error (TRE) of 1.06 mm within a much-improved processing time of 2.43 seconds for the DIR-Lab dataset over existing methods, demonstrating significant advancements in both accuracy and efficiency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google