呼気と吸気CTスキャン間における可変肺登録のための再帰的精緻化ネットワーク

近年、教師なし学習に基づく医用画像登録手法は急速な発展を遂げている。本研究では、しばしば無視されがちだが、単純かつ確立された原理である「スケール間を跨ぐ変形ベクトル場の再帰的精緻化」に再び注目し、これを基盤とする新たなアプローチを提案する。本研究では、多スケール特徴抽出、正規化された局所コスト相関ボリュームの構築、および体積的変形ベクトル場の再帰的精緻化を実現するための再帰的精緻化ネットワーク（Recursive Refinement Network: RRN）を導入した。RRNは、呼気・吸気時のCT肺画像ペアにおける3次元登録において、最先端の性能を達成した。DirLab COPDGeneデータセットにおいて、RRNは平均ターゲット登録誤差（Target Registration Error: TRE）を0.83 mmまで低減し、リーダーボードに掲載された最良結果と比較して13%の誤差低減を達成した。従来手法との比較に加え、ディープラーニングベースの類似手法と比較しても、89%の誤差低減を実現した。