Đăng ký hình ảnh y học có thể biến dạng: Thiết lập tiên tiến với các phương pháp rời rạc

Annual Review of Biomedical Engineering - Tập 13 Số 1 - Trang 219-244 - 2011
Ben Glocker1,2, Aristeidis Sotiras3, Nikos Komodakis4, Nikos Paragios3
1Computer Aided Medical Procedures, Technische Universität München, 85748 Garching, Germany
2Current address: Microsoft Research Cambridge, United Kingdom
3Department of Applied Mathematics, École Centrale de Paris/INRIA Saclay, Ile-de-France, 92290 Orsay, France;
4Computer Science Department, University of Crete, Heraklion, Greece

Tóm tắt

Bài tổng quan này giới thiệu một paradigm đăng ký hình ảnh có thể biến dạng mới, khai thác mô hình trường ngẫu nhiên Markov và các thuật toán tối ưu rời rạc mạnh mẽ. Chúng tôi diễn đạt việc đăng ký có thể biến dạng như một bài toán đồ thị với chi phí tối thiểu, trong đó các nút tương ứng với lưới biến dạng, mức độ kết nối của một nút tương ứng với các ràng buộc điều chỉnh, và nhãn tương ứng với các biến dạng 3D. Để xử lý cả đăng ký biểu tượng và hình học (dựa trên điểm mốc), chúng tôi giới thiệu hai mô hình đồ thị, một cho mỗi tiểu bài toán. Hai đồ thị này chia sẻ các biến liên kết, dẫn đến một cách diễn đạt mô-đun, mạnh mẽ và linh hoạt có thể bao quát các tiêu chí khớp hình ảnh tùy ý, các mô hình biến dạng cục bộ khác nhau và các ràng buộc điều chỉnh. Để giải quyết bài toán tối ưu tương ứng, chúng tôi áp dụng hai chiến lược tối ưu hóa: một chiến lược hiệu quả về tính toán và một lựa chọn thả lỏng chặt chẽ. Những kết quả đáng hứa hẹn cho thấy tiềm năng của phương pháp này. Các phương pháp rời rạc là một xu hướng mới quan trọng trong đăng ký hình ảnh y học, vì chúng cung cấp nhiều cải tiến so với các phương pháp liên tục truyền thống hơn. Điều này được minh chứng bằng một số ví dụ quan trọng, trong đó khung trình bày vượt trội so với các phương pháp đăng ký đa mục đích hiện có về cả hiệu suất và độ phức tạp tính toán. Các phương pháp của chúng tôi trở nên đặc biệt thú vị trong các ứng dụng mà thời gian tính toán là một vấn đề quan trọng, chẳng hạn như trong hình ảnh trong phẫu thuật, hoặc nơi mà sự biến đổi lớn trong dữ liệu yêu cầu các tiêu chí khớp phức tạp và cụ thể cho ứng dụng, như trong các nghiên cứu quần thể đa phương thức quy mô lớn.

Từ khóa

#đăng ký hình ảnh y học #mô hình rời rạc #tối ưu hóa #biến dạng 3D #phương pháp tính toán

Tài liệu tham khảo

10.1002/(SICI)1522-2594(199912)42:6<1048::AID-MRM9>3.0.CO;2-M

10.1148/radiol.2412051866

10.1097/00004728-198901000-00004

10.1109/42.790458

10.1016/j.media.2006.06.005

10.1097/00004728-199403000-00005

10.1002/jmri.1880070620

10.1006/nimg.2001.0744

10.1007/978-3-642-15745-5_75

10.1259/bjr/70617164

10.1016/S0090-3019(01)00628-0

10.1201/9781420042474

Modersitzki J, 2004, Numerical Methods for Image Registration

10.1016/S1361-8415(01)80026-8

10.1016/S0262-8856(03)00137-9

10.1561/0600000009

10.1109/42.796284

10.1109/42.929618

10.1109/CVPR.1999.786970

10.1155/IJBI/2006/73430

10.1007/978-3-540-39903-2_101

10.1023/B:VISI.0000029664.99615.94

10.1109/83.855431

10.1109/TMI.2002.803111

10.1016/S1077-3142(03)00009-2

10.1109/34.24792

10.1007/BFb0056301

10.1109/42.563664

10.1023/A:1007958904918

Chung ACS, 2002, Proc. Med. Image Comput. Comput. Assist. Interv., 5th, Part II, Tokyo, 525

31. Ou Y, Sotiras A, Paragios N, Davatzikos C. 2010. DRAMMS: deformable registration via attribute matching and mutual-saliency weighting. Med. Image Anal. In press

Lee D, 2009, Proc. Comput. Vis. Pattern Recognit., June 20–25, Miami, 186

10.1109/CVPR.2010.5539928

10.1007/b137941

Papadimitriou CH, 1998, Combinatorial Optimization: Algorithms and Complexity.

Li SZ, 2009, Markov Random Field Modeling in Image Analysis, 3

10.1118/1.3470097

10.1016/S1361-8415(02)00102-0

10.1109/42.736031

10.1109/TMI.2002.801163

10.1109/TMI.2002.804441

10.1016/j.neuroimage.2004.07.068

10.1016/j.media.2005.03.002

Vercauteren T, 2008, Microscopic Image Analysis for Life Science Applications, 441

10.1016/S1077-3142(03)00116-4

10.1007/978-3-540-30135-6_78

10.1109/TMI.2003.814791

10.1016/S1361-8415(98)80022-4

10.1023/A:1020830525823

10.1109/TIP.2007.909412

10.1016/j.neuroimage.2008.10.040

10.1118/1.3095777

10.1016/j.media.2009.05.004

10.1109/TMI.2002.1009381

10.1007/3-540-45468-3_88

10.1007/978-3-642-04268-3_75

Papademetris X, 2004, Proc. Med. Image Comput. Comput. Assist. Interv., 7th, Part I, Saint-Malo, Fr., 763

10.1109/TMI.2002.808365

10.1007/978-3-642-15745-5_83

10.1145/15922.15903

10.1016/j.media.2008.03.006

Besag J, 1986, J. R. Stat. Soc. Ser. B, 48, 259

Chou PBL, 1988, The Theory and Practice of Bayesian Image Labeling

Chellappa R, 1993, Markov Random Fields: Theory and Application

10.1126/science.220.4598.671

Greig DM, 1989, J. R. Stat. Soc. Ser. B, 51, 271

Pearl J, 1988, Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference

10.1109/TPAMI.2007.1061

Ford LR, 1962, Flows in Networks

10.1145/48014.61051

10.1109/34.969114

10.1109/TPAMI.2009.131

10.1109/TPAMI.2007.1128

10.1109/TPAMI.2004.1262177

Frey BJ, 1997, Advances in Neural Information Processing Systems 10, 479

10.1007/s11263-006-7899-4

10.1109/TPAMI.2006.200

10.1109/TPAMI.2010.108

10.1016/j.cviu.2008.06.007

10.1007/978-3-540-88690-7_60

10.1007/978-3-540-73273-0_34

10.1007/978-3-540-75759-7_65

10.1007/978-3-540-85990-1_14

10.1109/ISBI.2010.5490295

10.1007/978-3-642-04268-3_83

10.1007/11866763_86

Vandemeulebroucke J, 2007, Proc. Int. Conf. Use Comput. Radiat. Ther., 15th, Toronto, 1

10.1118/1.2161409

Delhay B, 2006, Proc. Med. Image Comput. Comput. Assist. Interv. Workshop, 9th, Copenhagen, 87

10.1007/s11263-010-0390-2

10.1109/CVPR.2008.4587562

10.1007/978-3-642-02498-6_45

10.1007/978-3-540-88682-2_29

Thông tin
Thông tin xuất bản

Annual Review of Biomedical Engineering

Tập 13 Số 1

219-244

Thông tin tác giả