VoxelMorph: 変形可能な医療画像登録の学習フレームワーク

私たちはVoxelMorphを紹介します。これは、ペアワイズの医療画像レジストレーションを行うための高速な学習ベースのフレームワークです。従来のレジストレーション手法は、各画像ペアに対して目的関数を最適化する必要があり、大規模なデータセットや豊富な変形モデルでは時間がかかることがあります。この手法とは対照的に、最近の学習ベースの手法を基に、レジストレーションを入力画像ペアから変形フィールドへのマッピング関数として定式化しました。この関数は、畳み込みニューラルネットワーク（CNN）によってパラメータ化され、一連の画像上でニューラルネットワークのパラメータが最適化されます。新しいスキャンペアが与えられた場合、VoxelMorphは直接関数を評価することで迅速に変形フィールドを計算します。本研究では、2つの異なる学習戦略を探求しています。最初の（非教師あり）設定では、画像強度に基づく標準的な画像マッチング目的関数を最大化するようにモデルを訓練します。2番目の設定では、訓練データに含まれる補助的なセグメンテーションを利用します。実験結果から、非教師ありモデルの精度が最先端手法と同等であることが示されるとともに、その処理速度は桁違いに速いことが確認されました。また、補助データを使用して訓練されたVoxelMorphがテスト時のレジストレーション精度を向上させることも示し、訓練セットサイズがレジストレーションに及ぼす影響について評価を行いました。当方法は医療画像解析および処理パイプラインの高速化を約束するとともに、学習ベースのレジストレーションとその応用における新たな方向性を促進します。私たちのコードはvoxelmorph.csail.mit.eduで自由に利用できます。