Ara aşamalı deformabl görüntü kaydı için verimli kosinüs-pencereli çapraz-korelasyon

Doktorların Tıbbi Görüntüleri Daha Güvenilir Karşılaştırmasına Yardımcı Olmak

Modern tıp sıklıkla zaman içinde veya farklı kişilerden alınan tıbbi görüntülerin karşılaştırılmasına dayanır—örneğin bir tümörün tedaviye yanıtını izlemek veya beyin atlasları oluşturmak için. Ancak aynı anatomik noktanın aynı yere denk gelmesini sağlamak, şaşırtıcı derecede zor olabilir. Bu makale, özellikle taramalar arasında anatomi çok değiştiğinde, bu hizalamaları daha hızlı ve daha güvenilir hale getiren yeni bir hesaplamalı adım tanıtıyor.

Tıbbi Tarayımları Hizalamanın Neden Bu Kadar Zor Olduğu

Bilgisayarlar iki görüntüyü hizaladığında, genellikle önce kayma, döndürme ve genel boyut değişiklikleri gibi büyük, basit farklılıkları düzeltirler—buna afine kayıt denir. Ancak gerçek insan anatomisi basit germe ve döndürmeyle yakalanamayacak şekilde bükülür, büyür ve kayar. Ayrıntılı “deformabl” kayıt yöntemleri bunu her küçük bölgenin ayrı hareket etmesine izin vererek düzeltmeye çalışır, fakat çoğunlukla çok yerel görüntü ayrıntılarına dayanırlar. Taramalar arasındaki değişiklikler büyükse—örneğin ameliyat öncesi ve sonrası ya da farklı hastalar arasında—bu yöntemler yanlış bir çözüme takılabilir veya yakınsaması çok uzun sürebilir.

Kaba ve Ayrıntılı Hizalama Arasında Bir Ara Adım

Yazar, kaba afine adım ile çok ince deformabl adım arasında yer almak üzere tasarlanmış bir “ara deformabl görüntü kaydı” (IDIR) yöntemi öneriyor. Görüntünün tamamına aynı anda bakmak ya da sadece küçük komşuluklara odaklanmak yerine, IDIR resim boyunca kayan ve birbirinin üzerine binen çok büyük pencereler kullanır. Her pencere içinde, bir görüntünün diğerine en iyi şekilde uyması için lokal olarak ne kadar kaydırılması gerektiğini tahmin eder. Kosinüs biçimli pürüzsüz bir pencere seçip tüm konumlardan gelen bilgileri dikkatlice birleştirerek, her noktanın nasıl hareket etmesi gerektiğini gösteren pürüzsüz bir kayma haritası üretir. Bu harita, büyük deformasyonları sadece birkaç yinelemede düzelterek daha sonra uygulanacak daha ayrıntılı yöntemlere çok daha iyi bir başlangıç noktası sağlar.

Daha Hızlı Eşleştirme İçin Sesi Andıran Matematik Kullanmak

Yöntemin temelinde, bir sinyalin diğerine göre kaydırılmasıyla ne kadar benzer olduklarını ölçen çapraz-korelasyon yer alır. Bu fikir ses ve radar gibi sinyal işlemelerde yaygın olarak kullanılır. Büyük görüntüler ve 3B hacimler için hesaplamayı pratik tutmak amacıyla yazar hızlı Fourier dönüşümünü (FFT) kullanır; bu, korelasyon hesaplarını dramatik şekilde hızlandırır. Önemli bir yenilik, korelasyon öncesinde görüntülere kosinüs biçimli pencereler uygulamak ve sonra birçok lokal kaydırmanın teker teker değil topluca hesaplanmasını sağlayacak şekilde matematiği genişletmektir. Bu, hesaplama maliyetini gerçek veriler için yasaklayıcı düzeyden alıp tipik donanımda saniyeler ila dakikalar içinde çalışabilecek bir düzeye indirir.

Röntgen, Beyin MR'ı ve Abdomen BT Üzerinde Test

Yöntem üç çok farklı tıbbi görüntü türünde test edildi: ameliyat öncesi ve sonrası çekilen çene ve ayakların 2B röntgenleri, gebelik haftaları arasında gelişen fetal beyinlerin 3B MR taramaları ve farklı hastalardan alınmış karın 3B BT taramaları. Röntgen deneylerinde yeni yaklaşım birkaç yineleme içinde büyük cerrahi değişiklikleri hızla yakaladı ve ek düzeltme püf noktalarına ihtiyaç duymadan pürüzsüz yer değiştirme alanları üretti. Fetal beyin MR'ında etiketlenmiş beyin bölgelerinin örtüşmesini önemli ölçüde artırdı ve sıfırdan çalıştırıldığında standart bir deformabl algoritmayı geride bıraktı. Aynı standart yöntem IDIR sonucu ile başlatıldığında hizalama daha da iyileşti. Karın BT'sinde yeni yöntem yine organ örtüşme puanlarını artırdı ve mevcut bir deformabl yöntemle birleştirildiğinde her test edilen organ için tek başına her iki yöntemden de daha iyi sonuç verdi.

Geleceğin Tıbbi Görüntülemesi İçin Anlamı

Uzman olmayanlar için sonuç şu: bu çalışma, taramalar arasında anatomi çok farklı olduğunda tıbbi görüntüleri “ön-hizalamak” için yeni bir yol sunuyor. Büyük ölçekli şekil farklılıklarını verimli şekilde düzeltip herhangi bir eğitime veya belirli bir organa özgü ayara ihtiyaç duymadan, önerilen IDIR yöntemi yerleşik deformabl kayıt araçlarını daha doğru ve daha hızlı yakınsamaya yardımcı olabilir. Ayrıntılı kaydı tamamen değiştirmeyi amaçlamaz; bunun yerine bu yöntemlere güçlü bir başlangıç sağlar. X-ray, MR ve BT genelinde çalıştığı ve genel amaçlı olduğu için araştırma çalışmalarında ve güvenilir görüntü karşılaştırmasının kritik olduğu klinik iş akışlarında potansiyel olarak yaygın şekilde yararlı olabilir.

Atıf: 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

Anahtar kelimeler: tıbbi görüntü kaydı, deformabl kayıt, Fourier tabanlı hizalama, çapraz-korelasyon, tıbbi görüntüleme analizi