Wydajne krzyżowe korelacje z oknem kosinusowym dla pośredniej rejestracji odkształcalnych obrazów

Pomoc lekarzom w bardziej niezawodnym porównywaniu obrazów medycznych

Współczesna medycyna często polega na porównywaniu skanów diagnostycznych wykonanych w różnych momentach lub u różnych osób — na przykład, by ocenić odpowiedź guza na terapię albo stworzyć atlasy mózgu. Wyrównanie takich obrazów, tak by ten sam punkt anatomiczny pojawiał się w tym samym miejscu, jest jednak zaskakująco trudne. W artykule przedstawiono nowy krok obliczeniowy, który przyspiesza i zwiększa niezawodność takich dopasowań, zwłaszcza gdy anatomia zmieniła się znacznie między skanami.

Dlaczego wyrównywanie skanów medycznych jest tak trudne

Gdy komputery wyrównują dwa obrazy, zwykle zaczynają od korekcji dużych, prostych różnic, takich jak przesunięcia, obroty i ogólne zmiany skali — nazywa się to rejestracją afiniczną. Jednak prawdziwa ludzka anatomia wygina się, rośnie i przesuwa w złożony sposób, którego nie da się oddać prostym rozciąganiem czy obracaniem. Szczegółowe metody „odkształcalne” próbują temu sprostać, pozwalając każdemu małemu obszarowi poruszać się niezależnie, ale często opierają się na bardzo lokalnych szczegółach obrazu. Jeśli zmiany między skanami są duże — na przykład przed i po operacji lub między różnymi pacjentami — te metody mogą utknąć w złym rozwiązaniu lub wymagać bardzo długiego czasu zbieżności.

Pośredni krok między grubym a drobnym wyrównaniem

Autor proponuje metodę „pośredniej rejestracji odkształcalnej obrazów” (IDIR), zaprojektowaną tak, by znaleźć się między grubym krokiem afinicznym a bardzo precyzyjną rejestracją odkształcalną. Zamiast oglądać cały obraz naraz lub tylko maleńkie sąsiedztwa, IDIR wykorzystuje bardzo duże, nakładające się okna przesuwane po obrazie. W obrębie każdego okna estymuje, o ile należy lokalnie przesunąć jeden obraz, aby jak najlepiej dopasował się do drugiego. Poprzez użycie gładkiego, kosinusowego kształtu okna i ostrożne łączenie informacji ze wszystkich pozycji, metoda generuje płynnie zmieniającą się mapę przesunięć dla każdego miejsca. Ta mapa koryguje duże odkształcenia w zaledwie kilku iteracjach, dając późniejszym, bardziej szczegółowym metodom dużo lepszy punkt startowy.

Wykorzystanie matematyki inspirowanej dźwiękiem do szybszego dopasowania

W rdzeniu metody leży krzyżowa korelacja — sposób mierzenia podobieństwa dwóch sygnałów przy przesuwaniu jednego względem drugiego. Pomysł ten jest powszechnie stosowany w przetwarzaniu sygnałów, na przykład w dźwięku czy radarze. By utrzymać obliczenia praktyczne dla dużych obrazów i objętości 3D, autor wykorzystuje szybką transformację Fouriera (FFT), która dramatycznie przyspiesza obliczenia korelacji. Kluczową innowacją jest zastosowanie kosinusowych okien na obrazach przed korelacją, a następnie sprytne rozwinięcie rachunków tak, żeby wiele lokalnych przesunięć mogło być obliczonych jednocześnie zamiast pojedynczo. Redukuje to koszt obliczeniowy z poziomu niepraktycznego dla rzeczywistych danych do poziomu, który działa w ciągu sekund do minut na typowym sprzęcie.

Testy na zdjęciach rentgenowskich, skanach mózgu i tomografii jamy brzusznej

Metodę przetestowano na trzech bardzo różnych rodzajach obrazów medycznych: 2D zdjęciach rentgenowskich szczęk i stóp wykonanych przed i po operacji, 3D skanach MRI rozwijających się mózgów płodowych w różnych tygodniach ciąży oraz 3D tomografiach komputerowych jamy brzusznej od różnych pacjentów. W eksperymentach z rentgenami nowa metoda szybko wychwyciła duże zmiany chirurgiczne w kilku iteracjach, generując gładkie pola przesunięć bez potrzeby dodatkowych zabiegów wygładzających. W przypadku MRI mózgu płodowego istotnie poprawiła nakładanie się oznaczonych regionów mózgu i przewyższyła standardowy algorytm odkształcalny, gdy oba uruchomiono od zera. Gdy ten sam standardowy algorytm zainicjowano wynikiem IDIR, wyrównanie poprawiło się jeszcze bardziej. W tomografii jamy brzusznej nowa metoda ponownie poprawiła wyniki nakładania narządów i, w połączeniu z istniejącą metodą odkształcalną, przewyższyła każdą z nich stosowaną osobno dla każdego testowanego organu.

Co to oznacza dla przyszłości obrazowania medycznego

Dla osób spoza dziedziny istotne jest to, że praca ta oferuje nowy sposób „wstępnego wyrównania” obrazów medycznych, gdy anatomia znacznie różni się między skanami. Poprzez efektywną korekcję różnic w dużej skali, bez wymagania danych treningowych czy dostosowania do konkretnego narządu, proponowana metoda IDIR może sprawić, że ugruntowane narzędzia rejestracji odkształcalnej będą dokładniejsze i szybciej zbieżne. Nie ma na celu całkowitego zastąpienia szczegółowej rejestracji, lecz zapewnienie tym metodom silnego startu. Ponieważ jest ogólnego zastosowania i działa na zdjęciach rentgenowskich, MRI i CT, może być szeroko użyteczna w badaniach i potencjalnie w praktyce klinicznej, gdzie wiarygodne porównywanie obrazów medycznych ma kluczowe znaczenie.

Cytowanie: Aganj, I. Efficient cosine-windowed cross-correlation for intermediate deformable image registration. Sci Rep 16, 8629 (2026). https://doi.org/10.1038/s41598-026-40961-1

Słowa kluczowe: rejestracja obrazów medycznych, rejestracja odkształcalna, wyrównywanie oparte na transformatę Fouriera, krzyżowa korelacja, analiza obrazowania medycznego