Core Concepts
회귀를 통한 등록(RbR)은 해석 가능하고 유연한 아틀라스 등록을 위한 새로운 프레임워크로, 입력 스캔의 모든 voxel에 대해 아틀라스 좌표를 예측하고 다양한 변형 모델을 효율적으로 적용할 수 있다.
Abstract
이 논문은 해석 가능하고 유연한 아틀라스 등록을 위한 새로운 프레임워크인 회귀를 통한 등록(RbR)을 제안한다. RbR은 입력 스캔의 모든 voxel에 대해 아틀라스 좌표를 예측하는 회귀 CNN을 사용한다. 이를 통해 기존 키포인트 기반 방법보다 더 정확한 비선형 변형을 얻을 수 있다. 또한 다양한 변형 모델(affine, B-spline, Demons, 대수 다중 선형 등)을 효율적으로 적용할 수 있어 유연성이 높다. 실험 결과, RbR은 기존 키포인트 기반 방법보다 더 정확한 등록 성능을 보였다. 특히 비선형 변형 모델에서 두드러진 성능 향상을 확인할 수 있었다. RbR은 해석 가능성과 강건성을 제공하면서도 유연성이 높은 새로운 등록 프레임워크로 평가된다.
Stats
입력 스캔의 모든 voxel에 대해 아틀라스 좌표를 예측하는 것이 기존 키포인트 기반 방법보다 더 정확한 비선형 변형을 가능하게 한다.
RbR은 affine 변환에서 NiftyReg, SynthMorph와 유사한 Dice 점수를 보였지만, 비선형 변환에서는 약 10점 낮은 성능을 보였다.
KeyMorph 대비 RbR의 affine 및 비선형 변환 Dice 점수가 각각 약 0.70, 0.73으로 더 높게 나타났다.