VoxelMorph: 변형 가능한 의료 이미지 등록을 위한 학습 프레임워크

우리는 VoxelMorph를 소개합니다. VoxelMorph는 빠른 학습 기반 프레임워크로, 의학 이미지의 변형 가능한 쌍별 등록을 위한 것입니다. 전통적인 등록 방법은 각 이미지 쌍에 대해 목적 함수를 최적화하는데, 대규모 데이터셋이나 풍부한 변형 모델의 경우 시간이 많이 소요될 수 있습니다. 이러한 접근 방식과 달리 최근의 학습 기반 방법들을 바탕으로, 우리는 등록을 입력 이미지 쌍을 변형 필드로 매핑하는 함수로 정식화하였습니다. 이 변형 필드는 해당 이미지를 맞춥니다. 우리는 이 함수를 컨벌루션 신경망(CNN)을 통해 매개변수화하고, 이미지 세트에서 신경망의 매개변수를 최적화하였습니다. 새로운 스캔 쌍이 주어지면, VoxelMorph는 함수를 직접 평가하여 빠르게 변형 필드를 계산합니다.본 연구에서는 두 가지 다른 학습 전략을 탐구하였습니다. 첫 번째 (비지도) 설정에서는 이미지 강도에 기반한 표준 이미지 일치 목적 함수를 최대화하도록 모델을 학습시켰습니다. 두 번째 설정에서는 학습 데이터에 포함된 보조 분할(auxiliary segmentation) 정보를 활용하였습니다. 우리는 비지도 모델의 정확성이 최신 방법들과 유사하다는 것을 입증하였으며, 실행 속도는 몇 배 더 빠릅니다. 또한 보조 데이터로 학습된 VoxelMorph가 테스트 시 등록 정확성을 개선한다는 것을 보여주었고, 학습 세트 크기가 등록에 미치는 영향을 평가하였습니다.우리의 방법은 의학 이미지 분석 및 처리 파이프라인을 가속화하며, 학습 기반 등록 및 그 응용 분야에서 새로운 방향성을 제시할 것으로 기대됩니다. 우리의 코드는 voxelmorph.csail.mit.edu에서 무료로 제공됩니다.