画像位置合わせ

画像レジストレーションまたは画像アライメントアルゴリズムは、強度ベースと特徴ベースに分類できます。^{[ 3 ]}画像の1つはターゲット、固定画像、またはセンシング画像と呼ばれ、他の画像は移動画像またはソース画像と呼ばれます。画像レジストレーションでは、ソース/移動画像を空間的に変換してターゲット画像に合わせます。ターゲット画像の参照フレームは静止しており、他のデータセットはターゲットに一致するように変換されます。^{[ 3 ]}強度ベースの方法は、相関メトリックを使用して画像の強度パターンを比較しますが、特徴ベースの方法は、点、線、輪郭などの画像の特徴間の対応関係を見つけます。 ^{[ 3 ]}強度ベースの方法は、画像全体またはサブ画像をレジストレーションします。サブ画像がレジストレーションされる場合、対応するサブ画像の中心が対応する特徴点として扱われます。特徴ベースの方法は、画像内の特に特徴的な多数の点間の対応関係を確立します。画像内の多数の点間の対応関係がわかれば、ターゲット画像をリファレンス画像にマッピングするための幾何学的変換が決定され、それによってリファレンス画像とターゲット画像間の点ごとの対応関係が確立されます。^{[ 3 ]}強度ベースの情報と特徴ベースの情報を組み合わせた方法も開発されている。^{[ 4 ]}

画像位置合わせアルゴリズムは、ターゲット画像空間と参照画像空間を関連付けるために使用する変換モデルによって分類することもできます。変換モデルの最初の大きなカテゴリには、回転、拡大縮小、平行移動、せん断を含むアフィン変換が含まれます。 ^{[ 5 ]}アフィン変換は本質的にグローバルであるため、画像間の局所的な幾何学的差異をモデル化することはできません。^{[ 3 ]}

2 番目のカテゴリの変換では、「弾性」または「非剛体」変換が可能です。これらの変換は、ターゲット画像を局所的に変形して参照画像に合わせることができます。非剛体変換には、放射基底関数(薄板または表面スプライン、多重二次曲面、コンパクトサポート変換^{[ 3 ]} )、物理連続体モデル (粘性流体)、および大変形モデル (微分同相写像) が含まれます。

変換は一般的にパラメータ化によって記述され、モデルによってパラメータの数が決まります。たとえば、画像全体の平行移動は、平行移動ベクトルパラメータによって記述できます。これらのモデルはパラメトリックモデルと呼ばれます。一方、非パラメトリックモデルはパラメータ化に従わず、各画像要素を任意に移動させることができます。^{[ 6 ]}

ワープフィールドの推定と適用を両方実装するプログラムはいくつか存在する。SPMおよびAIRプログラムもその一つである。

あるいは、空間正規化のための多くの高度な手法は、構造を保持する変換である同相写像と微分同相写像に基づいて構築されています。これは、これらの変換が滑らかな部分多様体を変換中に滑らかに運ぶためです。微分同相写像は、微分同相写像が群を形成するものの加法的ではなく、関数合成の法則の下で群を形成するため、現代の計算解剖学の分野ではフローに基づいて生成されます。このため、加法的群の考え方を一般化したフローは、トポロジーを保持する大きな変形を生成し、1対1および全射変換を提供します。このような変換を生成するための計算手法は、しばしばLDDMM ^{[ 7 ] [ 8 ] [ 9 ] [ 10 ]}と呼ばれ、計算解剖学の測地線フローに対応する座標系を接続するための主要な計算ツールとして微分同相写像のフローを提供します。

微分同相写像によって座標の微分同相変換を生成するプログラムは多数あり、MRI Studio ^{[ 11 ]}や MRI Cloud.org ^{[ 12 ]などがある。}

空間的手法は画像領域で動作し、画像内の輝度パターンや特徴を照合します。特徴照合アルゴリズムの中には、オペレーターが画像内の対応する制御点（CP）を選択する、従来の手動画像位置合わせ手法から派生したものもあります。制御点の数が適切な変換モデルを定義するために必要な最小数を超える場合、RANSACなどの反復アルゴリズムを使用して、画像の位置合わせに必要な特定の変換タイプ（アフィン変換など）のパラメータをロバストに推定できます。

周波数領域法は、変換領域で作業しながら画像のレジストレーションのための変換パラメータを見つけます。このような方法は、並進、回転、スケーリングなどの単純な変換に有効です。位相相関法を一対の画像に適用すると、単一のピークを含む第 3 の画像が生成されます。このピークの位置は、画像間の相対的な並進に対応します。多くの空間領域アルゴリズムとは異なり、位相相関法は、医療画像や衛星画像によく見られるノイズ、遮蔽、その他の欠陥に対して耐性があります。さらに、位相相関法は高速フーリエ変換を使用して2 つの画像間の相互相関を計算するため、一般的にパフォーマンスが大幅に向上します。この方法は、まず画像を対数極座標に変換することで、2 つの画像間の回転とスケーリングの差を決定するように拡張できます。^{[ 13 ] [ 14 ]}フーリエ変換の特性により、回転とスケーリングのパラメータは並進に不変な方法で決定できます。

もう一つの分類として、単一モダリティ方式とマルチモダリティ方式がある。単一モダリティ方式は、同じスキャナ／センサタイプで取得された同じモダリティの画像を位置合わせする傾向があるのに対し、マルチモダリティ方式は、異なるスキャナ／センサタイプで取得された画像を位置合わせする傾向がある。

マルチモダリティレジストレーション法は、被験者の画像がさまざまなスキャナから取得されることが多いため、医療画像処理でよく使用されます。例としては、腫瘍の位置特定のための脳CT / MRI画像または全身PET / CT画像のレジストレーション、解剖学的構造の特定部分のセグメンテーションのための造影CT画像と非造影CT画像のレジストレーション^{[ 15 ]} 、放射線治療における前立腺の位置特定のための超音波画像とCT画像のレジストレーションなどがあります。

位置合わせ方法は、自動化のレベルに基づいて分類できます。手動、対話型、半自動、自動の各方法が開発されています。手動方法は、画像を手動で位置合わせするためのツールを提供します。対話型方法は、特定の重要な操作を自動的に実行することでユーザーの判断ミスを減らしつつ、位置合わせの手順をユーザーがガイドできるようにします。半自動方法は、位置合わせの手順の多くを自動的に実行しますが、位置合わせの正確性を確認するのはユーザーの役割となります。自動方法は、ユーザーの操作を一切許可せず、すべての位置合わせ手順を自動的に実行します。

画像類似性は医用画像処理で広く使用されています。画像類似性尺度は、 2 つの画像の強度パターン間の類似性の度合いを定量化します。^{[ 3 ]}画像類似性尺度の選択は、登録する画像のモダリティによって異なります。画像類似性尺度の一般的な例としては、相互相関、相互情報量、強度差の二乗和、および比率画像均一性があります。相互情報量と正規化相互情報量は、マルチモダリティ画像の登録に最もよく使用される画像類似性尺度です。相互相関、強度差の二乗和、および比率画像均一性は、同じモダリティの画像の登録によく使用されます。

計算解剖学の分野では、大きな変形によるマッチング方法に基づくコスト関数の多くの新機能が開発されており、対応関係のない点群やランドマークである計測マッチング、数学的流れや可変多様体による曲線マッチングや表面マッチングなどが含まれます 。