圖像配准之醫學圖像配准

        今天在網上看到一篇2017年的論文，是關於圖像配准的，偏醫學圖像，主要是講針對於3D耳蝸醫學圖像的自動配准的問題，因為現存的技術都是醫生使用手動成像進行圖像配准和分割，非常耗時，而且耳蝸的體積非常小，結構復雜，這對於多模態耳蝸圖像的自動配准來說是一個巨大的挑戰。這篇論文提出了一種多模態人耳蝸圖像的自動耳蝸配准（ACIR）方法。這種方法使用自適應隨機梯度下降（ASGD）優化器和Mattes的互信息（MMI）度量。ACIR方法相對於過去兩年已發表的最先進的醫學圖像注冊優化器在時間上優化好多，節約了很多時間成本，ACIR只需要幾秒鍾就可以自動對准耳蝸圖像。這篇論文的代碼頁費提供出來了，而且還有免費的標准數據集HCD，ACIR和HCD都了可以在網上免費下載。下圖是它的一個實驗結果：

                                                       

                                                                                       (a) Chart 

                                                  

                                                                                       (b) Image 

                                                                                                                                           

                       Fig       Sample results. The CBCT image is registered to the MR image

 

 

另外，源代碼的工具是基於elastix的，下面就是關於elastic的：

Klein, Staring, Murphy, et al. Elastix: a toolbox for intensity-based medical image registration. IEEE Trans Med Imaging. 2010;29(1):196–205.

https://academic.oup.com/jamia 這是官網。

論文題目：Automatic Image Registration for 3D Cochlea Medical Images.

 

論文來源：Springer-Verlag GmbH Deutschland 2017。