Edge-Aware Pyramidal Deformable Network for Unsupervised Registration of Brain MR Images.
Edge-Aware Pyramidal Deformable Network for Unsupervised Registration of Brain MR Images.
复制标题
用于无监督脑 MR 图像配准的边缘感知金字塔形可变形网络
DOI：
10.3389/fnins.2020.620235
复制
发表时间：
2020
影响因子：
4.3
通讯作者：
Wang Y
中科院分区：
文献类型：
--
作者：
Cao Y;Zhu Z;Rao Y;Qin C;Lin D;Dou Q;Ni D;Wang Y
形变图像配准对于临床诊断、治疗计划和手术导航具有重要意义。然而，大多数现有的配准解决方案需要在可变形配准之前进行单独的刚性对准，并且可能不能很好地处理大变形情况。我们提出了一种新的边缘感知金字塔变形网络（简称EPReg）的无监督体积注册。具体来说，我们建议充分利用有用的补充信息，从多层次的特征金字塔预测多尺度位移场。这种由粗到细的估计有助于预测配准场的逐步细化，这使我们的网络能够处理体积数据之间的大变形。此外，我们将边缘信息与原始图像作为双输入，增强了图像内容的纹理结构，促使网络更加关注边缘感知信息进行结构对齐。我们的EPReg的有效性在三个公共脑MRI数据集上进行了广泛评估，包括Mindboggle 101，LPBA40和IXI 30。实验表明，我们的EPReg在Dice指数（DSC），Hausdorff距离（HD）和平均对称表面距离（ASSD）的度量方面始终优于几种尖端方法。所提出的EPReg是可变形体积配准问题的一般解决方案。
Deformable image registration is of essential important for clinical diagnosis, treatment planning, and surgical navigation. However, most existing registration solutions require separate rigid alignment before deformable registration, and may not well handle the large deformation circumstances. We propose a novel edge-aware pyramidal deformable network (referred as EPReg) for unsupervised volumetric registration. Specifically, we propose to fully exploit the useful complementary information from the multi-level feature pyramids to predict multi-scale displacement fields. Such coarse-to-fine estimation facilitates the progressive refinement of the predicted registration field, which enables our network to handle large deformations between volumetric data. In addition, we integrate edge information with the original images as dual-inputs, which enhances the texture structures of image content, to impel the proposed network pay extra attention to the edge-aware information for structure alignment. The efficacy of our EPReg was extensively evaluated on three public brain MRI datasets including Mindboggle101, LPBA40, and IXI30. Experiments demonstrate our EPReg consistently outperformed several cutting-edge methods with respect to the metrics of Dice index (DSC), Hausdorff distance (HD), and average symmetric surface distance (ASSD). The proposed EPReg is a general solution for the problem of deformable volumetric registration.
登录
查看更多内容
影响因子：
4.3
作者：
Klein A;Tourville J
通讯作者：
Tourville J
DOI：
10.1023/b:visi.0000043755.93987.aa
发表时间：
2005-02-01
影响因子：
19.5
作者：
Beg, MF;Miller, MI;Younes, L
通讯作者：
Younes, L
影响因子：
10.9
作者：
de Vos, Bob D.;Berendsen, Floris F.;Isgum, Ivana
通讯作者：
Isgum, Ivana
使用提示感知深度回归网络的可变形图像配准
DOI：
10.1109/tbme.2018.2822826
发表时间：
2018-09
期刊：
IEEE transactions on bio-medical engineering
影响因子：
--
作者：
Cao X;Yang J;Zhang J;Wang Q;Yap PT;Shen D
通讯作者：
Shen D
影响因子：
5.7
作者：
Fischl, Bruce
通讯作者：
Fischl, Bruce