基于高斯过程回归的运动不确定性可视化

《Computerized Medical Imaging and Graphics》:Motion uncertainty visualization based on Gaussian process regression

【字体: 大 中 小 】 时间:2026年10月10日 来源:Computerized Medical Imaging and Graphics 5.5

编辑推荐:

   - 感知不确定性的软组织运动估计与图像形变 - 基于高斯过程回归的运动估计与图像可视化 - 利用概率图对点运动进行感知不确定性的可视化 - 形变区域边缘标签概率的等值线可视化 - 基于网格的2D/3D标量场最大后验估计的可视化 ## 引言 治疗或医学治疗可能会导致不良副作

  

- 感知不确定性的软组织运动估计与图像形变
- 基于高斯过程回归的运动估计与图像可视化
- 利用概率图对点运动进行感知不确定性的可视化
- 形变区域边缘标签概率的等值线可视化
- 基于网格的2D/3D标量场最大后验估计的可视化

## 引言

治疗或医学治疗可能会导致不良副作用。理想情况下,人们希望能够预测这些副作用发生的可能性。上述副作用的一个原因可能是治疗规划中的误差,或在实际规划完成后规划因素发生了变化。因此,提供关于这些误差的信息将十分有用。在许多医学案例中,通常使用医学影像来创建整个人体内部或单个器官的可视化表示,并利用这些数据进行治疗规划。在这方面,许多规划程序需要将医学图像分割成不同的有意义区域(例如,器官、肿瘤等),以便相应地执行治疗计划。为了量化规划中的误差,因此量化图像分割结果本身的误差将十分有用。在某些情况下,规划图像与治疗计划组合在一起也会在实际治疗或手术过程中用于引导。在大多数此类情况下,与治疗计划组合的图像需要适应以反映解剖结构可能发生的变化(例如,形变)。为了实现这些适应,需要估计人体解剖结构的运动。为了量化与治疗计划组合的适应图像中的误差,需要量化人体解剖结构运动估计中的误差。在本文中,我们专注于以有效的方式将上述讨论的整体误差视觉传达给医学专家,以便他们在实际的图像引导手术过程中能够对计划的 uncertainty 及其中信息做出更明智的决策。

运动描述了物体在空间位置(或位置)上如何随时间变化。对于可变形物体,它们还可能随时间改变形状。捕获物体在某个时间点的状态,即其位置和形状,可以对运动进行重建。动态影像,例如,是一种广泛使用的方法,通过在不同时间点拍摄的一系列2D或3D图像来测量物体的状态。然而,从这种随时间变化的场中重建感兴趣物体的运动可能会受到测量不精确的影响,例如成像伪影或采样不足,如低空间分辨率和/或低时间分辨率。这些问题使得运动预测存在不确定性。在本文中,我们使用高斯过程回归方法来捕获运动预测中的不确定性。

在可视化过程中传达运动预测中的 uncertainty 可能至关重要。一个突出的例子是在医学干预过程中可视化器官或肿瘤的位置和形状。与运动预测相关的可能重要的 uncertainty 可视化目标涉及以下问题:单个样本(初始状态)在给定期时间后移动到了哪里,不同位置的概率是多少?给定的感兴趣区域的位置和形状随时间如何变化,存在哪些不确定性?整个捕获的场随时间如何变化,场中的哪些区域不确定性高/低?我们提出了一种方法,该方法对列出的运动及相应的不确定性进行估计和可视化。

我们的个人贡献包括:

**(C1)** 计算运动预测及其不确定性下的期望形变图像。感知不确定性的形变场计算基于高斯过程回归,该方法已在之前的工作中提出(Kocev等人,2019年)。在这里,我们将预测模型应用于给定的3D图像,以估计形变后的最可能图像及其相关的不确定性。此外,我们在新的运动数据集(模拟飓风风数据)上调整并评估了现有的软组织高斯过程模型,该数据集表现出明显不同的动力学特征,从而展示了该方法在医学领域之外的更广泛适用性。

**(C2)** 在三个层面对期望形变图像及其不确定性进行集成可视化:

**(C2.1)** 点运动的感知不确定性可视化:可视化编码兴趣点(POI,样本)移动到的概率的概率图。

**(C2.2)** 形变感兴趣区域的感知不确定性可视化:形变后感兴趣区域(ROI)边缘标签概率(MLP)的等值线可视化。

**(C2.3)** 形变场的感知不确定性可视化:基于网格的对变形(随时间变化的)2D/3D标量场最大后验(MAP)估计的可视化。

在接下来的内容中,我们首先在第2节讨论与本工作中所涉及的各类 uncertainty 可视化相关的工作。然后,我们将在第3节概述使用高斯过程(GP)回归进行感知不确定性的散点运动插值的方法,该节总结了Kocev等人(2019年)提出的方法。我们将在该方法的基础上实现上述贡献中列出的目标。我们的感知不确定性运动可视化基于图像形变的感知不确定性估计,包括期望形变图像和最大后验(MAP)形变图像(C1)。我们将在第4节描述如何从GP回归模型中计算这些估计。然后,我们将在第5节提出感知不确定性的运动可视化方法(C2)。我们提出了MAP形变图像的全局感知不确定性可视化(C2.3),形变感兴趣区域的感知不确定性可视化(C2.2),以及兴趣点运动的感知不确定性可视化(C2.1)。我们将我们的方法应用于术前/干预前MRI数据的软组织运动模拟数据,并呈现相应的结果,在第6节进行讨论。为了进一步评估,我们将我们的概念应用于使用时空微分方程生成的合成数据和飓风风模拟数据,两者都具有已知的真实值,详见第7节。后一种场景展示了该方法在医学领域之外的适用性。

## 相关工作

高斯过程(GP)通常已应用于视觉计算的几个领域中,用于对不确定数据进行插值(Schlegel等人,2012年;Stytz和Parrott,1993年;Wachinger等人,2014年)。在所有这些情况中,数据在均匀空间网格上给出,这使得Schlegel等人(2012年)和Wachinger等人(2014年)提出的零均值GP先验假设变得不那么关键。换句话说,如果假设一个恒定均值的潜过程函数和受到高斯白噪声污染的均匀数据……

## 感知不确定性的异步散点运动插值

在最近的工作中(Kocev等人,2019年),提出了一种对随机非均匀时空散点的不确定运动测量进行感知不确定性插值的方法。提出了一种具有高斯过程(GP)回归模型的新方法,该模型具有非恒定均值先验和各向异性协方差函数。在这方面,使用GP回归使得估计插值结果中的不确定性成为可能。原则上,运动测量与运动先验融合在一起……

## 感知不确定性的图像形变

我们使用上述最近发表的方法(Kocev等人,2019年)来计算形变场上GP后验分布,基于该分布将术前/干预前的导航信息(例如MRI)配准到给定的可变形软组织器官上。原则上,我们对模拟的软组织运动数据进行回归。在这方面,我们模拟真实的软组织运动数据,其中一小部分(带有噪声)被用作……

## 感知不确定性的运动可视化

在描述了第4节中的感知不确定性图像形变估计后,我们现在将描述如何开发形变/运动的感知不确定性可视化方法,该方法在三个聚合层面上进行,即整个图像/标量场(第5.1节)、选定的感兴趣区域(第5.2节)和选定的兴趣点(第5.3节)。我们的感知不确定性可视化旨在同时可视化最可能的情况及其附带的……

## 应用场景、结果与讨论

在本节中,我们针对术前/干预前MR图像的软组织运动应用,提出并讨论了使用上述可视化方法生成的结果。

我们可视化算法的输入是运动信号函数上的GP后验分布(Kocev等人,2019年),我们在术前/干预前MRI的体素上对其进行离散化(见图3左图),该MRI需要被形变并可视化其中的不确定性。在……

## 评估

在本节中,我们在合成数据(使用时空微分方程生成)和飓风风模拟数据上评估我们的可视化方法(C1)。

## 结论与未来工作

我们提出了一种新的软组织运动不确定性传播方法和感知不确定性的形变/配准术前/干预前医学图像可视化方法。通过对包含网格的图像进行空间变化的模糊处理,我们能够以一种与我们认知模型中感知元素包含变异性或不确定性的认知一致的方式,传达显示的MAP形变图像估计中的整体不确定性。通过估计POI/ROI(例如,肿瘤)的MLP……

## CRediT作者贡献声明

Bojan Kocev:写作——审阅与编辑,写作——原始草稿,可视化,验证,软件,方法论,调查,形式分析,数据整理,概念化。Horst Karl Hahn:写作——审阅与编辑,验证,监督,资源,项目管理,方法论,调查,资金获取,形式分析,概念化。William M. Wells:写作——审阅与编辑,验证,监督,方法论,调查,形式分析,

## 利益冲突声明

作者声明他们没有任何已知的竞争性经济利益或个人关系可能影响本文报告的工作。

## 致谢

本工作得到了弗劳恩霍夫内部计划(编号MAVO 823 287)的支持。它还得到了DFG创意单元"术中信息:外科医生需要什么,何时需要"的支持,得到了NIH资助项目P41EB015902、P41EB028741、R01CA235589的支持,以及在美国国家癌症数据生态系统(任务订单编号413 HHSN26110071)合同编号HHSN261201500003l下的支持。作者感谢美国国家……

Bojan Kocev | Horst Karl Hahn | William M. Wells | Lars Linsen | Ron Kikinis
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号