中文題目：2D-3D醫學圖像配準臨床數據集標定結果的分析與評價

論文題目：2D-3D醫學圖像配準臨床數據集標定結果的分析與評價

錄用期刊：北京生物醫學工程，統計源核心期刊

原文DOI：10.3969/j.jssn.1002-3208.2024

見刊時間：2024.2

作者列表：   

1）魏   萍 中國石油大學（北京）人工智能學院 自動化系教師

2）王順順 中國石油大學（北京）人工智能學院自動化專業 碩 21

3）王   珠 中國石油大學（北京）人工智能學院 自動化系教師

4）舒麗霞 首都醫科大學附屬北京安貞醫院-北京市心肺血管疾病研究所

摘要:

構建采自臨床的2D-3D醫學圖像配準數據集，是實現各種學習算法應用于實際醫療的重要環節。然而臨床數據的獲取過程中存在多種不確定因素，致使數據集的標定結果需要分析和評價。本文對采自胸主動脈腔內修復術的一組X線和CT圖像的幾組標定數據進行分析和評價，并確定正確標定結果。分別采用相似性度量法和投影距離誤差法對標定結果進行分析和評價。對提供的幾組標定數據，在比較數字放射重建圖像和X線圖像相似性方面，相似度接近，沒有明顯指向性；而投影距離誤差法的分析結果指向性明顯，能夠定量描述標定結果的優劣。

背景與動機: 

近年來，2D-3D醫學圖像配準的研究在理論和技術方面都取得顯著進展，主要表現為由基于特征或灰度的配準方法轉為基于深度學習的配準方法。盡管深度學習在2D-3D醫學圖像配準領域具有很大的應用潛力，但仍然存在配準準確性評估的挑戰。當前認為具有較高準確性、快速性和通用性的評估方式是金標準數據集評估?，F有的2D -3D 標準數據集主要包括模擬數據集和體模數據集兩類，模擬數據集的不足之處是其與術中2D圖像存在域間差異，體模數據集則是機體組織單一，與臨床所采集的患者數據有明顯不同。所以深度學習配準模型應用于真實的醫療過程，必須經過來自具體臨床環境的標準數據集的訓練和評價。當前公開文獻中沒有對2D-3D醫學圖像配準臨床數據集構建工作的相關研究，本文對胸主動脈腔內修復術的2D -3D 圖像對的標定結果提出的分析和評價方法，可應用于構建不同醫療場景下2D-3D圖像配準臨床數據集。

設計與實現:

分別采用相似性度量法和投影距離誤差法對標定結果進行分析和評價。

從采集的X線圖像中選取參考圖像，分別按照備選的投影參數生成DRR圖像，計算圖像對的相似性。計算結果表明，四組投影參數的相似性結果相差不大，不具有明顯指向性，見圖3。

圖 3 DRR圖像與X光圖像對比圖

從采集的一組X線圖像中讀取到102個標記點1和29個標記點2的投影位置信息。按照計算和獲取的投影參數信息，得到4組投影距離誤差的分布圖如圖4所示。

圖4 投影距離誤差分布圖

實驗結果及分析: 

不同圖像對相似度數值彼此之間差別過小，對標定結果的篩選不具有指向性。分析原因在于：（1）四組等中心點位置本身差別不明顯，計算結果相對集中在真實的等中心點位置附近；（2）受CT圖像成像范圍所限，生成DRR圖像存在偽影，雖經濾波和增強處理，仍然存在較大模態差異，無法模擬實際生成X線圖像時存在的散射現象。投影距離誤差法得到的計算結果具有一定指向性。經過計算和分析，可以確定本文中關于患者i的一組CT和X線圖像等中心點坐標標定值。

結論: 

投影距離誤差法是評價2D-3D醫學圖像配準數據集標定結果的有效手段；另外，若可以提供高質量的數字放射重建圖像時，相似性度量法也是評價標定結果的可選途徑。

作者簡介: 

魏萍 中國石油大學（北京）人工智能學院自動化系講師，研究方向：系統穩定性分析和控制，2D-3D醫學圖像配準。