[論文レビュー] Joint Deformable Registration of Large EM Image Volumes: A Matrix Solver Approach

Khaled Khairy, Gennady Denisov+1 more|arXiv (Cornell University)|Apr 26, 2018

Advanced Electron Microscopy Techniques and Applications参考文献 12被引用数 12

ひとこと要約

本論文は、大規模な電子線画像ボリュームの共同可変変形登錻に向けた行列ベースの最小二乗ソルバを提示する。登錻問題を正則化された線形系として定式化することで、スケーラブルで正確かつ収束保証付きの最適化を実現する。直接的および反復的線形ソルバを用いて、最初の完全な成人果実ミドリムシ脳の267万枚の画像を高精度に登錻に成功し、反復手法に比べて速度と正確性で優れている。

ABSTRACT

Large electron microscopy image datasets for connectomics are typically composed of thousands to millions of partially overlapping two-dimensional images (tiles), which must be registered into a coherent volume prior to further analysis. A common registration strategy is to find matching features between neighboring and overlapping image pairs, followed by a numerical estimation of optimal image deformation using a so-called solver program. Existing solvers are inadequate for large data volumes, and inefficient for small-scale image registration. In this work, an efficient and accurate matrix-based solver method is presented. A linear system is constructed that combines minimization of feature-pair square distances with explicit constraints in a regularization term. In absence of reliable priors for regularization, we show how to construct a rigid-model approximation to use as prior. The linear system is solved using available computer programs, whose performance on typical registration tasks we briefly compare, and to which future scale-up is delegated. Our method is applied to the joint alignment of 2.67 million images, with more than 200 million point-pairs and has been used for successfully aligning the first full adult fruit fly brain.

研究の動機と目的

• 大規模なEM画像登錻における既存の反復的ソルバのスケーラビリティおよび収束制限を克服すること。
• 統一された線形代数の定式化により、数百万枚の画像タイルの共同最適化を可能にすること。
• 信頼できる初期推定値が得られない状況でも安定して動作する、剛体モデルの近似を明示的正則化として構築することで、頑健な手法を提供すること。
• 確立された線形代数ソルバを活用することで、ソルバ固有のヒューリスティクスから画像登錻を分離すること。
• ハードウェア制約に応じて、小規模な直接ソルバと大規模な反復的ソルバの両方を柔軟にサポートすること。

提案手法

• 登錻問題を正則化された最小二乗系として定式化：最小化 ||D(Ax - b)||² + λ||Bx - d||²、ここで x は変換パラメータを表す。
• 重なり合うタイル間の点対対応から、大規模でスパースな線形系を構築し、特徴一致誤差と正則化制約を符号化する。
• 信頼できる初期タイル座標が得られない状況では、剛体モデルの近似を事前分布として用い、大規模問題における安定した初期化を可能にする。
• 確立された線形代数ソルバ（例：PaStiX）を直接的（例：PaStiX）および反復的（例：GMRES）の両方で活用し、問題サイズに応じた性能を評価する。
• 最終解に対して薄板スプラインワープを適用し、タイル形状を保持し、スタイチングマウントの不連続性を回避する。
• モジュラーな行列ブロック構築により、平行移動、剛体、アフィン、三次多項式まで含む任意の変換モデルを統合可能にする。

実験結果

リサーチクエスチョン

• RQ1 行列ベースの定式化は、大規模なEM画像登錻において、反復的ソルバに比べて正確性、速度、収束性で優れるか？
• RQ2 タイルの方向やスケールに関する事前知識が全くない状況で、信頼性のある正則化をどのように達成できるか？
• RQ3 既存の線形代数ソルバを、カスタムソルバ論理を一切使わず、共同登錻問題を解くためにどの程度活用できるか？
• RQ4 本手法は、数百万枚の画像および数億の点対に対応できるスケーラビリティを有するか？
• RQ5 正則化パラメータ λ の選択が、大規模登錻における変形安定性と残差誤差にどのように影響するか？

主な発見

• 本手法は、完全な成人果実ミドリムシ脳の267万枚のEM画像を成功裏に登錻し、高忠実度の整合性のある3次元ボリュームを生成した。
• PaStiX などの直接的ソルバは、特に100万枚を超える大規模システムにおいて、CPU時間と解の精度の両面で反復的手法を上回った。
• 剛体モデルの近似を明示的正則化として用いることで、信頼できる初期タイル座標がなくても安定した収束が達成された。
• 行列定式化により、非線形変換モデル（例：三次多項式）を含む任意の変換モデルのシームレス統合が可能になった。
• λ に対するパラメータスイープにより、正則化チューニングの実用的妥当性が示され、変形測定値は登錻後、最小限の面積歪みを示した。
• 反復的手法に比べ、本手法は1タイルあたりの点マッチ残差誤差が低く抑えられ、最小二乗レベルでの正確性向上が確認された。