MambaMorph: Mambaを基盤とした医療用MR-CT変形登録フレームワーク

異なるモダリティ間のボクセル単位での空間対応を捉えることは、医療画像解析において重要です。しかし、現在のレジストレーション手法は、レジストレーション精度と臨床適用性の面で十分に実用的ではありません。本論文では、新しい多モダリティ変形レジストレーションフレームワークであるMambaMorphを紹介します。特に、MambaMorphは、Mambaベースのレジストレーションモジュールと細かいがシンプルな特徴抽出器を用いて、効率的な長距離対応モデリングと高次元特徴学習を行います。さらに、多モダリティレジストレーションにおけるデータ不足を解決するために、脳MRI-CTレジストレーションデータセットSR-Regを開発しました。MambaMorphの多モダリティレジストレーション能力を検証するため、SR-Regデータセットと公開されているT1-T2データセットの両方で定量的な実験を行いました。両データセットでの実験結果は、MambaMorphが現行の最先端学習型レジストレーション手法よりも著しく高い精度を達成していることを示しています。さらに詳しい研究では、Mambaベースのレジストレーションモジュールと軽量な特徴抽出器が、合理的な計算コストと速度を維持しながらも注目すべきレジストレーション品質を達成していることが強調されています。私たちは、MambaMorphが医療画像レジストレーションにおける実用的なアプリケーションに大きな可能性を持っていると考えています。MambaMorphのコードは以下のURLから入手可能です: https://github.com/Guo-Stone/MambaMorph.