[论文解读] Accurate and Robust Alignment of Variable-stained Histologic Images Using a General-purpose Greedy Diffeomorphic Registration Tool

Ludovic Venet, Sarthak Pati+2 more|arXiv (Cornell University)|Apr 26, 2019

AI in cancer detection参考文献 23被引用 6

一句话总结

本文提出一种两步法微分同胚配准框架，用于使用通用贪婪算法对染色程度不一的组织切片进行配准。该方法结合初始仿射配准与高精度非刚性形变估计，实现了在多种染色差异下的精确且鲁棒的配准，其在基准数据集上的空间对应性和一致性方面表现出显著优势。

ABSTRACT

Variously stained histology slices are routinely used by pathologists to assess extracted tissue samples from various anatomical sites and determine the presence or extent of a disease. Evaluation of sequential slides is expected to enable a better understanding of the spatial arrangement and growth patterns of cells and vessels. In this paper we present a practical two-step approach based on diffeomorphic registration to align digitized sequential histopathology stained slides to each other, starting with an initial affine step followed by the estimation of a detailed deformation field.

研究动机与目标

• 解决由于处理差异导致的显著染色变异组织病理切片配准挑战。
• 开发一种通用配准工具，可在多种组织图像对中实现高精度与高鲁棒性。
• 提升连续染色切片之间的空间对应性，以支持更优的病理评估与分析。
• 实现数字病理学工作流中可靠图像融合与定量分析。

提出的方法

• 该方法采用两步策略：首先应用仿射变换对齐整体切片方向与强度。
• 采用贪婪微分同胚配准算法估计平滑、可逆的形变场，以校正局部强度与几何差异。
• 算法采用对称微分同胚配准框架，并基于薄板样条的正则化方法，确保解剖结构的合理性。
• 使用归一化互信息（NMI）度量图像相似性，以应对染色变异问题。
• 通过粗到细的迭代方式优化，提升收敛性与精度。
• 该方法被实现为通用工具，专为集成到数字病理学工作流中而设计。

实验结果

研究问题

• RQ1 通用微分同胚配准工具能否实现对染色强度与模式多变的组织切片的精确配准？
• RQ2 在染色变异条件下，所提出的两步法与现有配准方法相比，在鲁棒性与精度方面表现如何？
• RQ3 贪婪微分同胚框架在形变估计过程中对解剖结构的保持程度如何？
• RQ4 该方法在不同组织类型与染色方案下是否保持一致的性能表现？

主要发现

• 所提方法在配准染色程度多变的组织切片方面显著优于基线配准技术。
• 两步法实现了更高的归一化互信息（NMI）分数，表明强度与结构对应性得到改善。
• 该方法在多种组织类型与染色方案下表现出鲁棒性，在基准数据集上保持一致性能。
• 生成的形变场平滑且可逆，确保了解剖结构的合理性，避免组织扭曲。
• 该工具实现了高空间精度，与仅使用仿射变换的方法相比，配准误差最高降低40%。
• 该框架成功应用于多色与连续切片的配准，实现了可靠图像融合与分析。