[논문 리뷰] Multiple Shape Registration using Constrained Optimal Control

Sylvain Arguillère, Emmanuel Trélat외 2명|arXiv (Cornell University)|2015. 03. 02.

Medical Image Segmentation Techniques참고 문헌 47인용 수 3

한 줄 요약

이 논문은 복수의 형상을 동시에 등록하기 위한 제약 조건이 있는 최적 제어 프레임워크를 제안한다. 각 형상에 대해 독립적인 디피오모르피즘을 사용하고 배경 변형 및 접촉 제약 조건을 통합하여 구성 일致성을 유지한다. 이 방법은 형상 특화 변형을 분리하면서 기하 일致성을 강제하여 복잡한 해부학적 구조의 정확하고 아티팩트 없는 정렬을 가능하게 하며, 국소 자코비안 메트릭을 더 잘 유지하는 등 기존의 단일 디피오모르피즘 LDDMM보다 우수하다.

ABSTRACT

Lagrangian particle formulations of the large deformation diffeomorphic metric mapping algorithm (LDDMM) only allow for the study of a single shape. In this paper, we introduce and discuss both a theoretical and practical setting for the simultaneous study of multiple shapes that are either stitched to one another or slide along a submanifold. The method is described within the optimal control formalism, and optimality conditions are given, together with the equations that are needed to implement augmented Lagrangian methods. Experimental results are provided for stitched and sliding surfaces.

연구 동기 및 목표

• 형상 간 거리가 가까울 경우 전통적인 LDDMM이 모든 형상에 동일한 전역 디피오모르피즘을 적용해 비현실적인 변형을 유발하는 한계를 해결하기 위해.
• 형상 간 구성 일치성을 유지하면서 독립적이고 형상 특화된 변형 모델링을 가능하게 하기 위해 접촉 제약 조건을 도입하기 위해.
• 표면에 대한 신뢰성 있고 슬라이딩 제약 조건을 지원하는 다형상 정렬을 위한 일반적인 프레임워크를 개발하기 위해.
• 제약 조건이 있는 최적 제어 문제를 해결하기 위해 증강 라그랑주 기법을 사용한 수치적으로 안정적인 방법을 제공하기 위해.
• 제안된 다형상 접근 방식을 사용할 경우 기존의 표준 LDDMM에 비해 변형 마커(자코비안 행렬식)가 더 의미 있고 일관되게 나타남을 입증하기 위해.

제안 방법

• 각 형상에 대해 별도의 디피오모르피즘과 배경 변형을 사용하는 LDDMM 프레임워크 내에서 다형상 정렬을 제약 조건이 있는 최적 제어 문제로 수식화한다.
• 배경 다양체가 독립적으로 변형되며 등식 제약 조건을 통해 형상 경계의 일致성을 강제함으로써 접촉 제약 조건을 구현한다.
• 수치적으로 제약 조건이 있는 최적화 문제를 해결하기 위해 증강 라그랑주 방법을 적용하여 안정적인 수렴을 가능하게 한다.
• 포트리아긴 최대 원리를 사용하여 최적성 조건을 유도하고, 쌍점 경계값 문제 및 쌍대 변수를 포함한 문제로 전환한다.
• 재생 핵 힐버트 공간 내에서 시간 적분된 벡터장에 기반한 디피오모르피즘 흐름의 이산화 형태를 사용한다.
• 국소적인 팽창과 압축을 분석하기 위해 법선 및 접선 자코비안 행렬식 기반의 변형 마커를 활용한다.

실험 결과

연구 질문

• RQ1 형상 간 거리가 가까울 경우, 독립적인 변형장과 함께 다수의 형상을 동시에 정렬하면서 기하 일치성을 유지할 수 있는가?
• RQ2 대변형 디피오모르피즘 프레임워크 내에서 형상 간 접촉 제약 조건을 수학적으로 모델링하고 구현할 수 있는가?
• RQ3 제안된 방법은 단일 디피오모르피즘 LDDMM에 비해 형상 간 거리가 가까운 영역에서 허위의 압축 아티팩트를 감소시키는가?
• RQ4 다형상 제약 조건을 사용할 경우, 법선 및 접선 자코비안 메트릭이 진정된 형상 변형을 얼마나 잘 반영하는가?
• RQ5 증강 라그랑주 방법은 다형상 정렬에서 발생하는 고차원 제약 최적화 문제를 효과적으로 다룰 수 있는가?

주요 결과

• 제안된 방법은 단일 디피오모르피즘 LDDMM에서 관찰된 강한 압축 아티팩트를 성공적으로 방지한다. 특히 형상 간 거리가 가까운 경우에 두드러진다.
• 신뢰성 제약 조건이 적용된 경우, Ball A와 같은 영역에서 법선 자코비안은 균일하게 팽창되어 단일 디피오모르피즘 사례에서 관찰된 극단적인 왜곡을 피한다.
• 슬라이딩 제약 조건은 형상 간 일관된 변형 패턴을 유지하며, 신뢰성 제약 조건과 비교해 접선 자코비안에서 미미한 차이를 보이며, 이는 방법의 강건성을 시사한다.
• 변형 마커(자코비안 행렬식)는 다형상 프레임워크에서 더 신뢰할 수 있고 해석이 용이하다. 이는 허위 상호작용이 아닌 진정한 형상 특화 변화를 반영하기 때문이다.
• 증강 라그랑주 방법은 안정적인 수치적 구현을 가능하게 하지만, 고차원 최적화로 인해 수렴 속도가 느리다.
• 합성 및 실제 소서코르티컬 구조(해마, 편도체, ERC)에 대한 실험 결과는 이 방법이 일관되고 해부학적으로 타당한 변형을 생성함을 확인한다.