基于梯度的快速准确头部运动补偿方法在锥束CT中的应用|文献速递-基于深度学习的病灶分割与数据超分辨率

Title

题目

A gradient-based approach to fast and accurate head motion compensation in cone-beam CT

基于梯度的快速准确头部运动补偿方法在锥束CT中的应用

01

文献速递介绍

锥束计算机断层扫描(CBCT)系统在灵活性方面比螺旋多排探测器计算机断层扫描(MDCT)扫描仪具有决定性优势。MDCT系统是固定的,患者需要从护理点被转移到位于医院不同区域的成像设备处,这对危重患者来说可能是个问题,因为在多达70%的病例中存在不良反应的风险。此外,将患者转移到成像设备处需要时间,并且需要医护人员陪同。因此,专门的便携式CBCT被认为是直接护理点成像的一种替代选择,例如用于头部成像。同样,急性中风症状患者到达医院时需要进行头部成像。在这种情况下,因将患者转移到MDCT扫描仪而导致的任何延误都会对患者的预后产生严重的不利影响。对于急性缺血性中风患者,尽早进行血管内治疗至关重要。症状出现后150分钟,患者在每增加一小时后,无任何功能障碍地恢复中风的概率会下降10%到20%。将患者直接送到血管造影室并进行CBCT扫描,可以在不延迟的情况下立即启动血管内手术,这有望显著加快工作流程并改善患者的预后。

尽管CBCT具有这些优势,但在中风或ICU床旁成像的临床工作流程中集成CBCT系统仍面临挑战。主要原因之一是患者运动,这可能导致重建图像的严重退化。相比于现代MDCT扫描仪每次旋转约0.4秒的扫描时间,平均一次CBCT扫描需要4到30秒,因此非自主运动对CBCT重建的影响更为显著。Cancelliere等人显示,在310名因急性中风症状到达医院并在血管造影室接受非增强CBCT的患者中,51%出现了运动伪影,11%的图像因退化程度严重而无法进行临床解读。因此,为成功将CBCT系统集成到危重病人或中风患者的临床工作流程中,迫切需要一种可靠的方法来防止运动伪影的产生。

Aastract

摘要

Cone-beam computed tomography (CBCT)systems, with their flexibility, present a promising avenuefor direct point-of-care medical imaging, particularly in critical scenarios such as acute stroke assessment. However,the integration of CBCT into clinical workflows faces challenges, primarily linked to long scan duration resulting inpatient motion during scanning and leading to image quality degradation in the reconstructed volumes. This paperintroduces a novel approach to CBCT motion estimationusing a gradient-based optimization algorithm, which leverages generalized derivatives of the backprojection operatorfor cone-beam CT geometries. Building on that, a fullydifferentiable target function is formulated which gradesthe quality of the current motion estimate in reconstructionspace. We drastically accelerate motion estimation yieldinga 19-fold speed-up compared to existing methods. Additionally, we investigate the architecture of networks usedfor quality metric regression and propose predicting voxelwise quality maps, favoring autoencoder-like architecturesover contracting ones. This modification improves gradientflow, leading to more accurate motion estimation. The presented method is evaluated through realistic experimentson head anatomy. It achieves a reduction in reprojectionerror from an initial average of 3 mm to 0.61 mm after motioncompensation and consistently demonstrates superior performance compared to existing approaches. The analyticJacobian for the backprojection operation, which is at thecore of the proposed method, is made publicly available.In summary, this paper contributes to the advancementof CBCT integration into clinical workflows by proposinga robust motion estimation approach that enhances efficiency and accuracy, addressing critical challenges in timesensitive scenarios.

锥束计算机断层扫描(CBCT)系统因其灵活性,成为直接用于现场医疗成像的有力途径,尤其是在急性中风评估等关键场景中。然而,CBCT集成到临床工作流程中面临挑战,主要是由于扫描时间较长,导致扫描过程中患者发生运动,从而导致重建图像质量下降。本文提出了一种用于CBCT运动估计的全新方法,利用基于梯度的优化算法,采用锥束CT几何体中反投影算子的广义导数。在此基础上,构建了一个完全可微的目标函数,用于在重建空间中评估当前运动估计的质量。我们大幅加速了运动估计过程,相较于现有方法实现了19倍的加速。此外,我们研究了用于质量度量回归的网络结构,并提出预测体素级质量图,更偏向于自编码器类的架构而非收缩型架构。这一改进优化了梯度流,显著提高了运动估计的准确性。该方法通过对头部解剖结构的真实实验进行了验证,在运动补偿后将重投影误差从初始的平均3毫米降低到0.61毫米,并在性能上显著优于现有方法。本文所提出方法核心中的反投影操作的解析雅可比矩阵也已公开。总之,本文通过提出一种稳健的运动估计方法,在提高效率和准确性的同时解决了时间紧迫场景中的关键挑战,为CBCT在临床工作流程中的集成提供了支持。

Method

方法

In CBCT reconstruction, the measured line integrals fromdifferent directions are translated into a spatially resolved mapof X-ray attenuation coefficients. This process depends fundamentally on the exact knowledge of the scanning geometrydescribing the 3D relationship between X-ray source, flatpanel detector, and patient. Usually, stillness of the patientduring the scan is assumed. In that case, any reproducible,circular scanning trajectory of the CBCT scanner is uniquelycharacterized by a set of calibrated projection matrices which map a point in the 3D world coordinate system onto apoint in the detector coordinate system of a specific projectionview. Given accurate projection matrices corresponding tothe projection data, there exist a number of analytic andalgebraic algorithms to solve the reconstruction problem .Movement of the patient introduces a mismatch between thecalibrated projection matrices and the projection data. Duringreconstruction, this mismatch leads to artifacts in the finalimage.

在CBCT重建中,不同方向的测量线积分被转换为具有空间分辨率的X射线衰减系数图。这一过程基本上依赖于精确了解扫描几何参数,以描述X射线源、平板探测器和患者之间的3D关系。通常假设患者在扫描期间保持静止。在这种情况下,CBCT扫描仪的任何可重复的圆形扫描轨迹都可以通过一组校准投影矩阵唯一地表征,这些矩阵将3D世界坐标系中的一个点映射到特定投影视图的探测器坐标系中的一个点。对于与投影数据相对应的精确投影矩阵,存在多种解析和代数算法来解决重建问题。

患者的运动会在校准投影矩阵与投影数据之间引入不匹配。在重建过程中,这种不匹配会导致最终图像出现伪影。

Conclusion

结论

In this paper, the differentiable formulation of CT reconstruction is extended to cone-beam geometry parametersmaking it applicable to motion compensation in real-worldclinical scenarios. Together with an improved quality metric,we see the full advantage of the proposed gradient-basedmethod: A substantial reduction of runtime as well as accurateand robust motion compensation performance. Ultimately, thismethod may pave the way toward point-of-care CBCT headimaging by correcting for inevitable motion artifacts in a fastand reliable manner.

本文将CT重建的可微分公式扩展到锥束几何参数,使其适用于真实临床场景中的运动补偿。结合改进的质量度量,我们可以充分发挥所提出的基于梯度方法的优势:显著缩短运行时间,同时实现准确且稳健的运动补偿效果。最终,该方法可能为现场CBCT头部成像铺平道路,通过快速、可靠地校正不可避免的运动伪影。

Results

结果

All motion compensation experiments are performed onthe same 30 patients from the test set for quality metricmodel training. A random motion pattern is sampled for eachpatient with an amplitude of 5 mm for translation and 5 ◦ forrotation which is kept constant across different methods andoptimization algorithms. The motion estimation itself runs ongrids of size 128 × 128 × 128 with a 2 mm spacing for thereconstructed signal, but the image-based results are computedon higher resolved signals with 256 × 256 × 256 voxels ofsize 1 mm for the final motion-compensated reconstruction.For the evaluation we rigidly register all motion-compensatedreconstructions to their respective ground truth reconstructionin 3D. All box plots in this paper show the median andinter-quartile range as well as the minimum and maximumvalues. Outliers are highlighted by cross markers. Values of theinitial metrics before motion compensation are shown by thegray box. Additionally, we apply our method to two clinicalcone-beam CT head scans that are affected by real patientmotion. Since the motion patterns underlying these scans areintroduced by the patients during the scanning procedure, aquantitative analysis is not possible in this case, but qualitativeresults are presented in section IV-D.

所有运动补偿实验均在同一测试集中的30名患者上进行,用于质量度量模型的训练。为每位患者随机生成一个运动模式,平移幅度为5毫米,旋转幅度为5°,该模式在不同方法和优化算法中保持一致。运动估计本身运行在128 × 128 × 128的网格上,重建信号的间距为2毫米,但基于图像的结果计算在更高分辨率的信号上,最终运动补偿重建的体素大小为1毫米,共256 × 256 × 256体素。

在评估中,我们将所有运动补偿重建结果与各自的3D真实重建结果进行刚性配准。本文中的所有箱线图均显示中位数和四分位距,以及最小值和最大值,异常值以叉号标记。运动补偿前的初始度量值由灰色框表示。此外,我们将该方法应用于受实际患者运动影响的两例临床锥束CT头部扫描。由于这些扫描中的运动模式是在扫描过程中由患者引入的,因此无法进行定量分析,但在第IV-D节中展示了定性结果。

Figure

图片

Fig. 1: Rigid motion compensation is performed by firstsolving an optimization problem to estimate the motion patterns from the measured data. Then, a motion-compensatedreconstruction is performed based on the estimated motionpatterns to compute the compensated volume.

图1:刚性运动补偿首先通过求解一个优化问题从测量数据中估计运动模式。然后,基于估计的运动模式执行运动补偿重建,以计算补偿后的体积。

图片

Fig. 2: Overview of the proposed method for rigid motionestimation in CBCT. The three basic building blocks are (1) themotion model, (2) the differentiable backprojection enablingend-to-end gradient flow, and (3) a trained quality metricwhich regresses spatially resolved quality maps.

图2:所提出的CBCT刚性运动估计方法概述。该方法的三个基本构建模块是:(1) 运动模型,(2) 允许端到端梯度流的可微分反投影,(3) 经过训练的质量度量,用于回归空间分辨的质量图。

图片

Fig. 3: Comparison of the proposed quality metric with totalvariation (TV) and the network-based quality metric proposedby Huang et al. [6] as well as the image-based one-step methodby Ko et al. [40]. Metrics are root mean squared error (RMSE)(↓), SSIM (↑), and VIF (↑) which are computed on the motioncompensated reconstructed volumes.

图3:将所提出的质量度量与总变差(TV)、Huang等人提出的基于网络的质量度量[6]以及Ko等人的基于图像的单步方法[40]进行比较。所用的度量包括运动补偿重建体积上的均方根误差(RMSE,↓),结构相似性指数(SSIM,↑)和视觉信息保真度(VIF,↑)。

图片

Fig. 4: Comparison of the proposed quality metric with totalvariation (TV) and the network-based quality metric proposedby Huang et al. . The upper (4a) and lower (4b) plots depictthe mean absolute error (MAE) (↓) for the in-plane motionparameters (tx, ty, and rz) and out-of-plane motion parameters(tz, rx, and ry), respectively, referring to the plane in whichthe source rotates.

图4:将所提出的质量度量与总变差(TV)和Huang等人提出的基于网络的质量度量进行比较。上图(4a)和下图(4b)分别显示了平面内运动参数(tx、ty 和 rz)和平面外运动参数(tz、rx 和 ry)的平均绝对误差(MAE,↓),这里的平面是指源旋转的平面。

图片

Fig. 5: Comparison of the proposed quality metric with totalvariation (TV) and the network-based quality metric proposedby Huang et al. [6]. The plot shows the reprojection error(RPE) (↓) which quantifies the distance between points afterforward projection onto the detector planes thereby emphasizing on measurable deviations.

图5:将所提出的质量度量与总变差(TV)和Huang等人提出的基于网络的质量度量[6]进行比较。图中显示了重投影误差(RPE,↓),该误差量化了点在向探测器平面前向投影后的距离,从而突出可测量的偏差。

图片

Fig. 6: Qualitative reconstructions for two example patients. For each patient, the upper row shows an axial slice and the lowerrow shows a sagittal slice through the volume. A ×3 zoom of a region of interest is inserted. All gray values are windowedbetween −1200 HU and 1500 HU.

图6:两个示例患者的定性重建结果。对于每位患者,上排显示体积的轴向切片,下排显示矢状切片。插入了感兴趣区域的×3倍放大图。所有灰度值窗口范围为−1200 HU至1500 HU。

图片

Fig. 7: Motion patterns belonging to example 1 in Fig. 6plotted as a function of acquired projections. The upper andlower row depicts the motion curves for the in-plane motionparameters (tx, ty, and rz) and out-of-plane motion parameters(tz, rx, and ry), respectively, referring to the plane in whichthe source rotates. The perturbing ground-truth motion patternis parameterized by ten spline nodes, whereas all recoveringmotion patterns are parameterized by 30 nodes. The initialmotion-affected reconstruction in Fig. 6 corresponds to motioncurves initialized by zeros.

图7:与图6中的示例1对应的运动模式,绘制为随已采集投影变化的函数。上排显示平面内运动参数(tx,ty 和 rz)的运动曲线,下排显示平面外运动参数(tz,rx 和 ry)的运动曲线,所述平面是指源旋转的平面。扰动的真实运动模式由10个样条节点参数化,而所有恢复的运动模式由30个节点参数化。图6中的初始运动受影响的重建对应于以零初始化的运动曲线。

图片

Fig. 8: Comparison of the runtime for the proposed methodand the alternative quality metrics in a gradient-based andgradient-free optimization setting. Each bar depicts the averageruntime across all test samples for motion estimation excludingthe final full-resolution motion-compensated reconstruction.

图8:在基于梯度和无梯度优化设置中,比较了所提出方法与其他质量度量的运行时间。每个柱状图表示所有测试样本中用于运动估计的平均运行时间,不包括最终的全分辨率运动补偿重建。

图片

Fig. 9: Qualitative reconstructions for two example patientsusing real motion-affected clinical cone-beam CT scans. Foreach patient, the upper row shows an axial slice and the lowerrow shows a sagittal slice through the volume. A ×3 zoom ofa region of interest is inserted.

图9:两个示例患者的真实运动影响临床锥束CT扫描的定性重建结果。对于每位患者,上排显示体积的轴向切片,下排显示矢状切片。插入了感兴趣区域的×3倍放大图。

图片

Fig. 10: Comparison of recovered motion patterns for clinical example 1 (left) and example 2 (right) in Fig. 9 withobservable motion in projection images. The upper plotsdescribe the vertical pixel position of an anatomical landmarkin the projection images extracted by manual annotation. Thelower row plots the recovered motion curves (rotations andtranslations). The motion parameter with the highest amplitudeis highlighted in orange (rx for example 1 and tz for example2). Projected motion of the landmark and recovered motioncurve with highest amplitude exhibit a strong similarity

图10:对比图9中临床示例1(左)和示例2(右)中可观察到的投影图像中的运动模式恢复情况。上图显示了通过手动标注提取的解剖标志在投影图像中的垂直像素位置。下排绘制了恢复的运动曲线(旋转和平移)。具有最大幅度的运动参数以橙色突出显示(示例1为rx,示例2为tz)。解剖标志的投影运动与恢复的最大幅度运动曲线表现出高度相似性。

Table

图片

TABLE I: Average quantitative values for all investigated metrics and motion compensation methods optimized with gradientdescent. Only image-based metrics can be computed for the method by Ko et al. since it does not explicitly estimate motionpatterns.

表1:使用梯度下降优化的所有研究指标和运动补偿方法的平均定量值。由于Ko等人的方法未明确估计运动模式,因此只能计算基于图像的指标。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/465032.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

语音识别ic赋能烤箱,离线对话操控,引领智能厨房新体验

一、智能烤箱产品的行业背景 随着科技的飞速发展,智能家居已经成为现代家庭的新宠。智能烤箱作为智能家居的重要组成部分,正逐渐从高端市场走向普通家庭。消费者对于烤箱的需求不再仅仅局限于基本的烘焙功能,而是更加注重其智能化、便捷化和…

qt QWizard详解

1、概述 QWizard是Qt框架中提供的一个功能强大的向导对话框类。它帮助用户逐步完成复杂的任务或流程,通过一系列页面组成的向导界面,实现了交互式和响应式的用户体验。QWizard可以应用于多种场景,如安装向导、配置向导、数据导入向导等&…

如何看待AI技术的应用场景:现状与未来的全面解析

人工智能(AI)正在以惊人的速度改变我们的世界。从医疗诊断到自动驾驶,从虚拟助手到金融分析,AI的应用场景正日益扩展,影响着几乎每个行业。然而,AI的广泛应用也引发了关于隐私、安全、伦理等多方面的讨论。…

ONLYOFFICE 8.2深度体验:高效协作与卓越性能的完美融合

📝个人主页🌹:Eternity._ 🌹🌹期待您的关注 🌹🌹 ❀ONLYOFFICE 8.2 🔍引言📒1. ONLYOFFICE 产品简介📚2. 功能与特点🍁协作编辑 PDF🍂…

使用SQLark如何将Oracle迁移到达梦数据库

​ 以上对话源于某位负责数据库适配的 ISV 工程师,他正在将数据从 Oracle 迁移到某国产数据库中。像这样的基础问题,每天在各个适配群、各个社区不断出现,比如: Oracle 迁移到 DM 后,数据有乱码,达梦如何设…

Unity3D学习FPS游戏(9)武器音效添加、创建敌人模型和血条

前言:虽然已经实现了基本玩家操作,但是游戏运行起来并没有音效。既然是FPS游戏有了玩家和武器,肯定还得有敌人。本篇演示如何给武器添加音效和创建敌人。 武器音效添加和创建敌人 武器音效添加Audio Source代码控制 创建敌人目标敌人模型敌人…

【算法】Floyd多源最短路径算法

目录 一、概念 二、思路 三、代码 一、概念 在前面的学习中,我们已经接触了Dijkstra、Bellman-Ford等单源最短路径算法。但首先我们要知道何为单源最短路径,何为多源最短路径 单源最短路径:从图中选取一点,求这个点到图中其他…

Docker安装MongoDB详解(mongo.latest)

一、MongoDB介绍 MongoDB是一种基于分布式文件存储的数据库,使用C语言开发,旨在为Web应用提供可扩展且高性能的数据存储解决方案。作为一种介于关系数据库和非关系数据库之间的技术,MongoDB具有强大的功能和高效的性能,特别适用于…

金箍棒变化-第15届蓝桥杯国赛Scratch初/中级组真题第1题

[导读]:超平老师的《Scratch蓝桥杯真题解析100讲》已经全部完成,后续会不定期解读蓝桥杯真题,这是Scratch蓝桥杯真题解析第193讲。 如果想持续关注Scratch蓝桥真题解读,可以点击《Scratch蓝桥杯历年真题》并订阅合集,…

简单的 docker 部署ELK

简单的 docker 部署ELK 这是我的运维同事部署ELK的文档,我这里记录转载一下 服务规划 架构: Filebeat->kafka->logstash->ES kafka集群部署参照: kafka集群部署 部署服务程序路径/数据目录端口配置文件elasticsearch/data/elasticsearch9200/data/elas…

Unity XR Interaction Toolkit 开发教程(3)快速配置交互:移动、抓取、UI交互【3.0以上版本】

获取完整课程以及答疑,工程文件下载: https://www.spatialxr.tech/ 视频试看链接: 3.快速配置交互:移动、抓取、UI交互【Unity XR Interaction Toolkit 跨平台开发教程】(3.0以上版本) 系列教程专栏&…

深度体验SCNet超算平台:SCNet「AI跃升季」·谁是下一个“AI”跃人?

平时做大模型训练的时候总是苦于没有服务器资源来做微调实验,于是这次深度体验了一下SCNet超算平台。 SCNet超算平台是一个超算互联网计算服务平台,有着更大更全更专业的超级算力。显卡从异构加速卡到A800都有。 本次我尝试了大模型的推理和微调。 第一…

求助帖【如何学习核磁共振的原理】

最近提前进组了 我完全不懂磁共振的相关知识 想问问各位大佬有没有推荐的学习路线 或者是学习资料、论坛都可以的(我做的方向是磁共振成像技术) 老师给了一本书,但是有点看不懂,全英文的 叫Principles Of Magnetic Resonance …

MySQL查询where中包含多个in条件问题

示例: select * from x_table where a in (1,2,3) and b in (4,8) 上面这种查询方法,如果可以通过a和b唯一确定一条数据,但a和b列可以有相同值时,会造成查询数据不准确。 验证: 假设有以下数据(手机号为…

HiveSQL 中判断字段是否包含某个值的方法

HiveSQL 中判断字段是否包含某个值的方法 在 HiveSQL 中,有时我们需要判断一个字段是否包含某个特定的值。下面将介绍几种常用的方法来实现这个功能。 一、创建示例表并插入数据 首先,我们创建一个名为employee的表,并插入一些示例数据&am…

python-读写Excel:openpyxl-(4)下拉选项设置

使用openpyxl库的DataValidation对象方法可添加下拉选择列表。 DataValidation参数说明: type: 数据类型("whole", "decimal", "list", "date", "time", "textLength", "custom"…

求平面连接线段组成的所有最小闭合区间

这个功能确实非常实用,我在过去开发地面分区编辑器时就曾应用过这一算法。最近,在新产品的开发中再次遇到了类似的需求。尽管之前已经实现过,但由于长时间未接触,对算法的具体细节有所遗忘,导致重新编写时耗费了不少时…

springboot - 定时任务

定时任务是企业级应用中的常见操作 定时任务是企业级开发中必不可少的组成部分,诸如长周期业务数据的计算,例如年度报表,诸如系统脏数据的处理,再比如系统性能监控报告,还有抢购类活动的商品上架,这些都离不…

ES管理工具Cerebro 0.8.5 Windows版本安装及启动

前言: Cerebro 的下载地址 https://github.com/lmenezes/cerebro/releases Cerebro 默认监听IP 0.0.0.0 ,默认端口9000,访问地址:http://localhost:9000 启动 cmd命令到安装目录下:cerebro-0.8.5\bin 执行命令 ce…

Flutter 正在切换成 Monorepo 和支持 workspaces

其实关于 Monorepo 和 workspaces 相关内容在之前《Dart 3.5 发布,全新 Dart Roadmap Update》 和 《Flutter 之 ftcon24usa 大会,创始人分享 Flutter 十年发展史》 就有简单提到过,而目前来说刚好看到 flaux 这个新进展,所以就再…