Aug, 2023

一种用于纵向研究的实时解剖位置匹配的分层描述框架

PDF
TL;DR我们提出了一种方法，通过计算基于图像强度的层次稀疏采样编码位置信息的查询点在源图像中的描述符，从而在纵向对比中匹配医学图像之间的解剖位置。通过层次搜索操作，在目标图像中找到具有最相似描述符的对应点。这种简单而强大的策略使得在单个 CPU 上将点映射到毫秒级时间尺度成为可能，从而使放射科医生可以在近实时下比较相似的解剖位置，而不需要额外的架构成本来进行预计算或存储来自注册的变形场。我们的算法不需要先前的训练、重采样、分割或仿射变换步骤。我们已在最近发布的深度病变跟踪数据集注释上测试了我们的算法。我们观察到与深度病变跟踪器相比，匹配更准确，同时比其中报告的最精确的算法快 24 倍。我们还调查了在 CT 和 MR 模态上的匹配准确性，并将所提出的算法的准确性与多名放射科医生的综合真实值进行了比较。
anatomical locationsmedical imagesdescriptorhierarchical search operationmatching accuracy
发现论文，激发创造
  • 深度病变跟踪器：监测 4D 纵向成像研究中的病变

    本研究提出了基于深度学习的深度损伤跟踪器（DLT），该方法解决了长期研究中监测治疗反应的核心问题，即如何准确地对大量数据进行图像识别和解剖学研究，同时提高检测的速度和精度，该方法已在公共 DeepLesion 数据库上进行了测试和验证，并成功应用于肿瘤监测工作流程中。

    Dec, 2020

  • 野外匹配：学习用于多模态图像的解剖嵌入

    为了解决不同 FOV 的图像对齐问题，本文提出了一种名为 Cross-SAM 的新方法，该方法利用嵌入学习和 CT-MRI 注册的迭代过程，以实现跨模态匹配，并在 CT-MRI 仿射注册数据集上表现出鲁棒性，明显优于其他方法，达到了最先进的性能。

    Jul, 2023

  • 全身照片中皮肤病变对应定位

    通过结合几何与纹理信息，我们在全身成像的背景下提出了一种将皮肤病变从源扫描定位到目标扫描的新框架，可用于纵向追踪皮肤病变的早期检测，取得了与已报告的纵向研究相当的成功率。

    Jul, 2023

  • 利用深度视觉描述符进行分层高效定位

    该论文提出了一种利用深度学习技术进行分层定位的方法，仅在候选位置上计算 2D-3D 匹配的精确位姿估计，从而实现在流行的移动平台上实时运行并拥有最先进的本地化性能，为机器人研究带来了新的前景。

    Sep, 2018

  • 长期视觉定位的稀疏到密集超列匹配

    我们提出了一种新颖的功能点匹配方法，适用于长期场景下的在户外进行稳健准确的视觉定位。我们在已注册的参考图像数据库中，使用最近的检索技术将查询图像进行匹配，通过这个得出第一个相机位姿的估计。然后，我们在查询图像和检索出来的参考图像之间匹配 2D 特征点以优化位姿估计。与以前的方法不同的是，我们只需在检索出来的参考图像中稀疏提取特征点，然后用 Sparse-to-Dense Hypercolumn Matching 方法进行快速、稳健的匹配，最终估计相机位姿。我们的实验表明，这种方法在多个具有挑战性的户外数据集上表现优于现有技术。

    Jul, 2019

  • HD2Reg: 点云配准的层次结构描述符与检测器

    本文提出了一种框架，该框架明确提取双层描述符和检测器，并与之进行粗糙到精细的匹配，以达到准确和鲁棒的点云配准。实验表明该方法的效果优于其他基于关键点的方法。

    May, 2023

  • 无监督配准：基于几何学学习和成像的放疗应用

    为了精确地识别不同患者器官分割之间的相应点以应用于放射治疗，本研究旨在开发一个模型。通过使用头颈部器官分割的 CT 扫描训练了一个在 3D 形状中同时进行对应和插值估计的模型。通过两种方法扩展了原始模型，其中一种是直接从图像补丁中提取特征，另一种是将补丁之间的均方误差作为损失函数的一部分。使用地形误差、卡迈尔距离、共形畸变度量以及解剖标志点之间的距离评估了对应和插值性能。每个模型相较于基线的非刚性配准方法都产生了更好的对应结果，原始模型与直接包含图像特征的模型表现相似。最佳性能的模型配置将图像信息作为损失函数的一部分，产生了更符合解剖学的对应结果。我们将使用最佳性能的模型来识别器官上相应的解剖点，以改进空间归一化，这是结果建模的重要步骤，或作为解剖信息注册的初始化。我们的所有代码都公开在此 https URL。

    Sep, 2023

  • 监测病变增长的纵向脊柱 CT 图像配准

    实现自动且鲁棒的纵向脊柱图像配准对于评估疾病进展和手术结果至关重要，本文提出了一种新颖的方法，通过深度学习模型自动定位、标记和生成三维表面，然后使用高斯混合模型表面配准实现纵向脊柱 CT 图像对齐并准确评估病变进展，实验证明该方法在 37 个椎体、5 名患者的基线和 3、6、12 个月后的随访图像上显示出了平均 Hausdorff 距离为 0.65 毫米和 Dice 分数为 0.92 的准确配准。

    Feb, 2024

  • SAM++: 利用语义信息和结构推理增强解剖匹配

    SAM++ 是一个能够在医学图像中学习外观和语义嵌入的框架，其固定点匹配机制能够克服原来方法中的一些限制，并取得了比现有方法更好的结果。

    Jun, 2023

  • 层次结构度量学习及其在二维和三维几何对应中的匹配

    该研究提出了使用深度学习的 CNN 网络以及不同层次的特征图来进行几何匹配的任务，并相较于先前的手动特征点描述方法，展示了更佳的匹配结果。

    Mar, 2018