一种新的肺图像配准方法

　　发表在《上海交通大学学报(理学版)》上的一项研究提出了一种名为Dlung的肺图像配准新方法。Dlung是一种基于无监督少镜头学习的肺差胚图像配准方法，它可以基于有限的数据快速、高精度地构建呼吸运动模型，为呼吸运动建模提供了一种更有效的方法。

　　呼吸运动建模是分析具有呼吸运动的肺等胸廓器官的成像技术中的一项重要技术。为肺癌治疗过程中在避免损伤正常组织的同时靶向肿瘤提供重要参考。

　　肺图像配准是在肺图像对之间构建密集对应关系的过程，对呼吸运动建模至关重要。在目前所有的肺图像配准方法中，基于无监督学习的肺图像配准方法由于可以在不需要监督的情况下计算肺图像的形变而获得了极大的关注。

　　然而，目前基于无监督学习的方法存在两个缺点:一是不能处理有限数据的问题;另一个原因是它们缺乏微同构(拓扑保持)特性，特别是当肺部扫描存在大变形时。

　　针对这两个问题，研究人员提出了Dlung方法，该方法通过微调技术解决了数据有限的问题，并通过缩放和平方方法实现了差分配准。与基线方法elastix、SyN和VoxelMorph相比，Dlung在用于4D图像配准时具有最高的精度和差胚性。

　　“Dlung在有限的数据基础上构建了准确、快速的呼吸运动模型，”该研究的第一作者陈培智(Peizhi Chen)解释说，“我们相信，它在未来治疗肺癌的图像引导放疗中具有广泛的应用前景。”

　　更多资料:陈培智等，陈龙:无监督少镜头微分呼吸运动建模，上海交通大学学报(自然科学版)(2022)。DOI: 10.1007/s12204-022-2525-3由上海交通大学学报中心提供引文:Dlung:一种新颖的肺图像配准方法(2024年1月7日)检索自https://medicalxpress.com/news/2024-01-dlung-method-lung-image-registration.html。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。