変形可能な画像登録における形状マッチングのフレームワーク

多くの既存の画像登録方法は、2つのデータセット間のエンティティ（臓器など）の大幅な回転と曲げを正確に記述するのが困難です。この場合の一般的な問題は、結果として生じる登録が物理的にもっともらしいことを確認することです。つまり、登録は、一部の地域で拡張を導入し、他の地域で縮小するのではなく、実際の曲げ/回転を説明することです。この作業では、この問題を軽減する2つの3Dデータセットの変形可能な画像登録の一般的なフレームワークを開発しました。登録問題に対する物理的に実現可能でもっともらしいソリューションのみが見つかるようにするために、ソースデータセットと参照データセット間の類似性メトリックを最小化しながら、柔らかい組織変形可能なモデルを使用して、目的の対応マップの検索空間を制限します。変形可能なファントム実験の結果を使用して、フレームワークを検証および評価しました。

Many existing image registration methods have difficulties in accurately describing significant rotation and bending of entities (e.g. organs) between two datasets. A common problem in this case is to ensure that the resulting registration is physically plausible, i.e. that the registration describes the actual bending/rotation occurring rather than just introducing expansion in some areas and shrinkage in others. In this work we developed a general framework for deformable image registration of two 3D datasets that alleviates this problem. To ensure that only physically feasible and plausible solutions to the registration problem are found, a soft tissue deformable model is used to constrain the search space for the desired correspondence map while minimizing a similarity metric between the source and reference datasets. Results from a deformable phantom experiment were used to verify and evaluate the framework.