Deformable medical image registration: Den Stand der Technik mit diskreten Methoden setzen

Diese Übersicht stellt ein neuartiges Paradigma für die deformierbare Bildregistrierung vor, das die Formulierung mittels Markov-Zufallsfelder und leistungsstarke diskrete Optimierungsalgorithmen nutzt. Wir modellieren die deformierbare Registrierung als Problem der minimalen Kosten auf einem Graphen, wobei die Knoten dem Deformationsgitter entsprechen, die Verbindungen zwischen Knoten den Regularisierungsbeschränkungen und die Labels den 3D-Deformationen. Um sowohl ikonische als auch geometrische (landmarkbasierte) Registrierung zu bewältigen, führen wir zwei graphische Modelle ein, eines für jedes Teilproblem. Die beiden Graphen teilen sich miteinander verbundene Variablen, was eine modulare, leistungsfähige und flexible Formulierung ermöglicht, die beliebige Bildübereinstimmungskriterien, verschiedene lokale Deformationsmodelle und Regularisierungsbeschränkungen berücksichtigen kann. Zur Lösung des zugehörigen Optimierungsproblems setzen wir zwei Strategien ein: eine rechnerisch effiziente sowie eine engere Relaxierungsalternative. Versprechende Ergebnisse belegen das Potenzial dieses Ansatzes. Diskrete Methoden stellen eine bedeutende neue Entwicklung im Bereich der medizinischen Bildregistrierung dar, da sie mehrere Vorteile gegenüber den etablierten kontinuierlichen Methoden bieten. Dies wird an mehreren zentralen Beispielen verdeutlicht, bei denen das vorgestellte Framework bestehende allgemeine Registrierungsmethoden hinsichtlich Leistungsfähigkeit und rechnerischer Komplexität übertrifft. Unsere Methoden gewinnen besondere Relevanz in Anwendungen, bei denen die Rechenzeit ein kritischer Faktor ist, wie beispielsweise bei intraoperativen Bildgebungsverfahren, oder bei Anwendungen mit stark variierenden Daten, die komplexe, anwendungsspezifische Übereinstimmungskriterien erfordern, wie dies bei großskaligen multimodalen Populationsstudien der Fall ist. Der vorgeschlagene Registrierungsrahmen, zusammen mit einer grafischen Benutzeroberfläche und entsprechenden Veröffentlichungen, steht für Forschungszwecke (unter Windows- und Linux-Plattformen) zum Download bereit unter http://www.mrf-registration.net.