INSPIRE: Intensity and spatial information-based deformable image registration

要約

INSPIRE は、変形可能な画像の登録のための最高の汎用方法です。
INSPIRE は、強度と空間情報を組み合わせた距離測定を弾性 B スプラインベースの変換モデルに組み込み、対称登録パフォーマンスをサポートする逆不一致ペナルティを組み込みます。
高い計算効率を提供するいくつかの理論的およびアルゴリズム的ソリューションを紹介し、それにより、幅広い実際のシナリオで提案されたフレームワークの適用性を提供します。
INSPIRE が非常に正確で、安定した堅牢な登録結果を提供することを示します。
薄い構造のネットワークの存在を特徴とする網膜画像から作成された 2D データセットでメソッドを評価します。
ここで、INSPIRE は優れたパフォーマンスを発揮し、広く使用されている参照方法よりも大幅に優れています。
{また、個別に取得された 134 組の網膜画像で構成される眼底画像登録データセット (FIRE) で INSPIRE を評価します。
INSPIRE は FIRE データセットで優れたパフォーマンスを発揮し、いくつかのドメイン固有の方法よりも大幅に優れています。} また、脳の 3D 磁気共鳴画像の 4 つのベンチマーク データセットで、合計 2088 のペアワイズ登録に対してこの方法を評価します。
他の 17 の最先端の方法と比較すると、INSPIRE が全体的に最高のパフォーマンスを提供することが明らかになりました。
コードは http://github.com/MIDA-group/inspire で入手できます

要約(オリジナル)

We present INSPIRE, a top-performing general-purpose method for deformable image registration. INSPIRE brings distance measures which combine intensity and spatial information into an elastic B-splines-based transformation model and incorporates an inverse inconsistency penalization supporting symmetric registration performance. We introduce several theoretical and algorithmic solutions which provide high computational efficiency and thereby applicability of the proposed framework in a wide range of real scenarios. We show that INSPIRE delivers highly accurate, as well as stable and robust registration results. We evaluate the method on a 2D dataset created from retinal images, characterized by presence of networks of thin structures. Here INSPIRE exhibits excellent performance, substantially outperforming the widely used reference methods. {We also evaluate INSPIRE on the Fundus Image Registration Dataset (FIRE), which consists of 134 pairs of separately acquired retinal images. INSPIRE exhibits excellent performance on the FIRE dataset, substantially outperforming several domain-specific methods.} We also evaluate the method on four benchmark datasets of 3D magnetic resonance images of brains, for a total of 2088 pairwise registrations. A comparison with 17 other state-of-the-art methods reveals that INSPIRE provides the best overall performance. Code is available at http://github.com/MIDA-group/inspire

arxiv情報

提供元, 利用サービス

arxiv.jp, Google