[论文解读] Non-rigid Registration Method between 3D CT Liver Data and 2D Ultrasonic Images based on Demons Model

Shuo Huang, Ke Wu+2 more|arXiv (Cornell University)|Dec 31, 2019

Medical Image Segmentation Techniques参考文献 51被引用 4

一句话总结

该论文提出了一种基于改进Demons模型的3D CT肝脏数据与2D超声图像之间的非刚性配准方法。通过在极坐标系下基于径向方向局部直觉模糊熵的边界提取与增强技术，提升了配准精度，实现了30秒以内的处理时间，并在性能上优于原始Demons模型和Field II模拟方法。

ABSTRACT

The non-rigid registration between CT data and ultrasonic images of liver can facilitate the diagnosis and treatment, which has been widely studied in recent years. To improve the registration accuracy of the Demons model on the non-rigid registration between 3D CT liver data and 2D ultrasonic images, a novel boundary extraction and enhancement method based on radial directional local intuitionistic fuzzy entropy in the polar coordinates has been put forward, and a new registration workflow has been provided. Experiments show that our method can acquire high-accuracy registration results. Experiments also show that the accuracy of the results of our method is higher than that of the original Demons method and the Demons method using simulated ultrasonic image by Field II. The operation time of our registration workflow is about 30 seconds, and it can be used in the surgery.

研究动机与目标

• 提高3D CT肝脏数据与2D超声图像之间非刚性配准的精度，该任务因超声图像中对比度低和噪声多而具有挑战性。
• 解决标准Demons模型在处理超声图像中低信噪比和边界可见性差方面的局限性。
• 开发一种新颖的预处理方法，利用极坐标系下的径向方向局部直觉模糊熵增强图像边界。
• 构建一个完整的配准工作流程，将边界增强与Demons算法集成，以提升收敛性和鲁棒性。
• 在配准精度优于现有方法的同时，实现临床可行的处理时间（低于30秒）。

提出的方法

• 提出一种基于极坐标系下径向方向局部直觉模糊熵的边界增强方法，以增强2D超声图像中微弱的组织边界。
• 在迭代Demons优化过程中应用高斯滤波器以正则化位移场，确保变形场的平滑性。
• 采用归一化互信息（NMI）作为相似性度量，以提升CT与超声图像在多模态配准中的鲁棒性。
• 将增强后的超声图像集成到Demons算法中，该算法基于灰度差异通过速度场方程估计像素级位移。
• 引入松弛因子和最大迭代次数控制，以稳定收敛过程并防止过拟合。
• 在配准前对3D CT数据应用BM4D去噪方法，以提升输入数据质量并减少噪声干扰。

实验结果

研究问题

• RQ1 极坐标系下的径向方向局部直觉模糊熵是否能有效增强2D超声图像中微弱的边界，从而提升配准性能？
• RQ2 所提出的边界增强方法是否显著提升了基于非刚性Demons算法的3D CT与2D超声肝脏数据之间的配准精度？
• RQ3 与原始Demons模型及Field II模拟超声方法相比，所提出方法在配准精度和计算时间方面表现如何？
• RQ4 所提出的流程是否能实现亚30秒的处理时间，满足实时手术应用的需求？
• RQ5 边界增强在非刚性配准优化过程中在多大程度上降低了陷入局部极小值的风险？

主要发现

• 所提方法在配准精度上优于原始Demons模型以及使用Field II模拟超声图像的Demons方法。
• 所提配准工作流程的平均运行时间约为30秒，适用于外科临床应用。
• 基于径向方向局部直觉模糊熵的边界增强技术显著提高了低对比度超声图像中器官和组织边界的可见性。
• 采用归一化互信息（NMI）作为相似性度量，增强了多模态配准的鲁棒性，尤其在灰度变化较大的情况下表现更优。
• 将BM4D去噪方法应用于3D CT数据，显著提升了输入数据质量，并有助于生成更精确的形变场。
• 该方法表现出强抗噪性能，并能有效处理非光滑形变，证实改进后的Demons模型在腹部图像配准中具有良好的适用性。