الخريطة القياسية التفاضلية الخاصة بالمنطقة

نقدم نهجًا جديدًا للتسجيل يُعرف بـ "الخريطة القياسية الدفتورية الإقليمية" (RDMM). يعتبر هذا النهج غير معلمي، حيث يقوم بتقدير حقول السرعة المكانية-الزمانية التي تحدد التحويل المكاني المطلوب. من الضروري تنظيم هذه حقول السرعة. ومع ذلك، بينما تستخدم النماذج الحالية للتسجيل غير المعلمي، مثل نموذج الخريطة القياسية الدفتورية للإزاحة الكبيرة (LDDMM)، تنظيمًا ثابتًا ومكانيًا ثابتًا، فإن نموذجنا يقوم بنقل تنظيم متغير مكانياً مع حقل السرعة المقدر، مما يربط بشكل طبيعي تنظيمًا مكانيًا-زمانيًا بالأشياء المتغيرة الشكل. نستكشف عائلة من نماذج التسجيل RDMM: 1) نموذج تسجيل حيث يتم تحديد المناطق ذات التنظيمات المنفصلة مسبقًا (مثل في فضاء الأطلس)، 2) نموذج تسجيل حيث يتم تقدير تنظيم عام متغير مكانياً، و 3) نموذج تسجيل حيث يتم الحصول على التنظيم المتغير مكانياً عبر نموذج تعلم عميق تم تدريبه بطريقة شاملة (end-to-end). نقدم اشتقاقاً متغيراً لـ RDMM، ونظهر أن النموذج يمكن أن يضمن تحولات دفتورية في الاستمرارية، وأن LDDMM هو حالة خاصة من RDMM. لتقييم أداء RDMM، قمنا بإجراء تجارب على: 1) بيانات ثنائية الأبعاد صناعية و 2) على مجموعتين ثلاثيتين الأبعاد: صور الرنين المغناطيسي (MRI) لركبة من مبادرة التهاب المفاصل العظمي (OAI) وصور التصوير المقطعي الحاسوبي (CT) للرئة. أظهرت النتائج أن إطارنا يحقق أداءً رائدًا في تسجيل الصور، بينما يقدم معلومات إضافية عبر تنظيم مكاني-زماني تم تعلمه. بالإضافة إلى ذلك، يسمح لنا نهج التعلم العميق بتقديرات سريعة جدًا لـ RDMM ولـ LDDMM. سيتم توفير شفرتنا كمصدر مفتوح. يمكن الوصول إلى الشفرة من خلال الرابط https://github.com/uncbiag/registration.