中文题目：2D-3D医学图像配准临床数据集标定结果的分析与评价

论文题目：2D-3D医学图像配准临床数据集标定结果的分析与评价

录用期刊：北京生物医学工程，统计源核心期刊

原文DOI：10.3969/j.jssn.1002-3208.2024

见刊时间：2024.2

作者列表：   

1）魏   萍 中国石油大学（北京）人工智能学院 自动化系教师

2）王顺顺 中国石油大学（北京）人工智能学院自动化专业 硕 21

3）王   珠 中国石油大学（北京）人工智能学院 自动化系教师

4）舒丽霞 首都医科大学附属北京安贞医院-北京市心肺血管疾病研究所

摘要:

构建采自临床的2D-3D医学图像配准数据集，是实现各种学习算法应用于实际医疗的重要环节。然而临床数据的获取过程中存在多种不确定因素，致使数据集的标定结果需要分析和评价。本文对采自胸主动脉腔内修复术的一组X线和CT图像的几组标定数据进行分析和评价，并确定正确标定结果。分别采用相似性度量法和投影距离误差法对标定结果进行分析和评价。对提供的几组标定数据，在比较数字放射重建图像和X线图像相似性方面，相似度接近，没有明显指向性；而投影距离误差法的分析结果指向性明显，能够定量描述标定结果的优劣。

背景与动机: 

近年来，2D-3D医学图像配准的研究在理论和技术方面都取得显著进展，主要表现为由基于特征或灰度的配准方法转为基于深度学习的配准方法。尽管深度学习在2D-3D医学图像配准领域具有很大的应用潜力，但仍然存在配准准确性评估的挑战。当前认为具有较高准确性、快速性和通用性的评估方式是金标准数据集评估。现有的2D -3D 标准数据集主要包括模拟数据集和体模数据集两类，模拟数据集的不足之处是其与术中2D图像存在域间差异，体模数据集则是机体组织单一，与临床所采集的患者数据有明显不同。所以深度学习配准模型应用于真实的医疗过程，必须经过来自具体临床环境的标准数据集的训练和评价。当前公开文献中没有对2D-3D医学图像配准临床数据集构建工作的相关研究，本文对胸主动脉腔内修复术的2D -3D 图像对的标定结果提出的分析和评价方法，可应用于构建不同医疗场景下2D-3D图像配准临床数据集。

设计与实现:

分别采用相似性度量法和投影距离误差法对标定结果进行分析和评价。

从采集的X线图像中选取参考图像，分别按照备选的投影参数生成DRR图像，计算图像对的相似性。计算结果表明，四组投影参数的相似性结果相差不大，不具有明显指向性，见图3。

图 3 DRR图像与X光图像对比图

从采集的一组X线图像中读取到102个标记点1和29个标记点2的投影位置信息。按照计算和获取的投影参数信息，得到4组投影距离误差的分布图如图4所示。

图4 投影距离误差分布图

实验结果及分析: 

不同图像对相似度数值彼此之间差别过小，对标定结果的筛选不具有指向性。分析原因在于：（1）四组等中心点位置本身差别不明显，计算结果相对集中在真实的等中心点位置附近；（2）受CT图像成像范围所限，生成DRR图像存在伪影，虽经滤波和增强处理，仍然存在较大模态差异，无法模拟实际生成X线图像时存在的散射现象。投影距离误差法得到的计算结果具有一定指向性。经过计算和分析，可以确定本文中关于患者i的一组CT和X线图像等中心点坐标标定值。

结论: 

投影距离误差法是评价2D-3D医学图像配准数据集标定结果的有效手段；另外，若可以提供高质量的数字放射重建图像时，相似性度量法也是评价标定结果的可选途径。

作者简介: 

魏萍 中国石油大学（北京）人工智能学院自动化系讲师，研究方向：系统稳定性分析和控制，2D-3D医学图像配准。