XiaoMi-AI文件搜索系统
World File Search System配准
患者概览前列腺癌的设置和初步结果。纵向配准
摘要 简介：新药已被证明可以延长转移性前列腺癌 (PCa) 和去势抵抗性前列腺癌 (CRPC) 男性的寿命。患者概览前列腺癌 (PPC) 的目的是登记和报告这些治疗及其效果。材料和方法：在 PPC 中，瑞典国家前列腺癌登记册的一个新部分从开始激素治疗开始就登记了治疗开始和停止、影像学、前列腺特异性抗原、临床进展评估和患者报告结果测量 (PROM) 的数据。数据以图表形式显示，以告知个别患者的临床决策。为了进行研究，PPC 中的数据与 PCBaSe 相链接，其中包含来自 NPCR 和一些医疗保健登记册的信息。结果：截至 2019 年 12 月，已有 7,882 名男性在 PPC 中登记，其中 3,912 名已达到 CRPC 状态。从开始 ADT 到开始使用雄激素受体靶向药物 (ART) 的中位时间为：接受原发性 ADT 的男性 4 年（四分位距 IQR 6），接受继发性 ADT 的男性 9 年（IQR 6）。在 2016-2017 年所有有 ART 处方的 PCBaSe 男性中，PPC 占 1 480/4 055（36%）。在 PPC 中注册/未注册的男性在癌症特征、主要治疗、合并症和开始 ART 前使用 ADT 的时间方面存在细微差异。结论：在 PPC 中，在现实环境中评估了晚期 Pca 新疗法的使用和效果。PPC 数据可用作决策辅助、质量保证和研究用药。
使用真实子场定义评估基于表面的海马配准
海马体是一种皮层结构，由具有独特回路的子区组成。了解其微观结构（以这些子区为代表）可以提高我们对学习和记忆的机制理解，并且对多种神经系统疾病具有临床潜力。一个突出的问题是如何在两个形态截然不同的海马体之间划分、注册或检索同源点。在这里，我们提出了一种基于表面的配准方法，该方法以对比度无关、拓扑保持的方式解决了这个问题。具体而言，首先对整个海马体进行分析展开，然后根据厚度、曲率和脑回在 2D 展开空间中注册样本。我们在七个 3D 组织学样本中演示了这种方法，并且与更传统的配准方法相比，使用此方法对子区进行了更出色的对齐。
用于婴儿脑部 MRI 图像变形配准的循环组织感知网络
可变形配准是纵向和基于人群的图像分析的基础。然而，由于婴儿时期大脑发育迅速，精确配准同一受试者的纵向婴儿大脑 MRI 图像以及不同受试者的横截面婴儿大脑 MRI 图像具有挑战性。在本文中，我们提出了一种可循环使用的深度神经网络来配准婴儿大脑 MRI 图像。我们提出的方法有三个主要亮点。（i）我们使用脑组织分割图而不是强度图像进行配准，以解决生命第一年脑组织对比度快速变化的问题。（ii）单个配准网络以一次性方式训练，然后多次循环应用于推理，从而可以逐步恢复复杂的变形场。（iii）我们还在配准网络中提出了自适应平滑层和组织感知反折叠约束，以确保估计变形的生理合理性，而不会降低配准精度。与最先进的配准方法相比，实验结果表明，我们提出的方法实现了最高的配准精度，同时仍保持了变形场的平滑度。我们提出的配准网络的实现可在线获得。
神经外科手术中增强现实的姿势估计和非刚性配准
摘要 — 目的：开颅手术是切除部分头骨，以便外科医生进入大脑并治疗肿瘤。进入大脑时，组织会发生变形，并可能对手术结果产生负面影响。在这项工作中，我们提出了一种新颖的增强现实神经外科系统，将从 MRI 获得的术前 3D 网格叠加到手术期间获得的大脑表面视图上。方法：我们的方法使用皮质血管作为主要特征来驱动刚性和非刚性 3D/2D 配准。我们首先使用特征提取器网络来生成概率图，并将其输入到姿势估计器网络以推断 6-DoF 刚性姿势。然后，为了解释大脑变形，我们添加了一个非刚性细化步骤，该步骤使用基于物理的约束将其表述为形状模板问题，有助于将变形传播到皮质下水平并更新肿瘤位置。结果：我们在 6 个临床数据集上回顾性地测试了我们的方法，并获得了较低的姿势误差，并使用合成数据集表明可以在皮质和皮质下水平实现相当大的脑移位补偿和较低的 TRE。结论：结果表明，我们的解决方案实现了低于实际临床误差的准确度，证明了我们的系统在实际应用中的可行性。意义：这项工作表明，我们可以使用单个摄像机视图提供通过开颅手术观察到的 3D 皮质血管的连贯增强现实可视化，并且皮质血管为执行刚性和非刚性配准提供了强大的功能。
面向偏远地区供电可靠性提升的配网储能电站机会 ...
2.3 运行约束 储能电站的规划与运行决策存在强耦合关 系。在不同位置接入储能电站将对系统运行的安 全性、经济性与可靠性造成不同影响。为了支持网 侧储能选址定容方案的科学决策，需充分考虑储能 充放电特性、有功 / 无功综合潮流、电压偏移限制、供 电可靠性要求等关键因素，进行精细化的运行建 模。故引入运行约束如下。 2.3.1 功率平衡约束
用于沉浸式图像引导神经导航系统的基于物理的自适应非刚性配准
目的：在图像引导的神经外科手术中，联合配准的术前解剖、功能和扩散张量成像可用于安全切除脑部重要区域的脑肿瘤。然而，脑部在手术过程中会变形，尤其是在切除肿瘤的情况下。术前图像数据的非刚性配准 (NRR) 可用于创建配准图像，该配准图像可捕捉术中图像中的变形，同时保持术前图像的质量。本文利用临床数据报告了几种处理脑变形的非刚性配准方法的准确性和性能比较结果。提出了一种新的自适应方法，该方法可自动去除切除肿瘤区域中的网格元素，从而处理切除时的变形。为了改善用户体验，我们还提出了一种将混合现实与超声、MRI 和 CT 结合使用的新方法。
利用反射配准技术在脑病变分割中发挥双侧对称性
摘要：脑病变（包括中风病变和肿瘤）在位置、大小、强度和形式方面具有高度可变性，这使得自动分割变得困难。我们建议通过利用健康大脑的双侧准对称性来改进现有的分割方法，当存在病变时，这种对称性就会消失。具体而言，我们使用神经图像与其反射版本的非线性配准（“反射配准”）来确定每个体素在另一半球的同源（对应）体素。同源体素周围的斑块作为一组新特征添加到分割算法中。为了评估这种方法，我们实现了两种不同的基于 CNN 的多模态 MRI 中风病变分割算法，然后使用上面描述的反射配准方法通过添加额外的对称特征来增强它们。对于每种架构，我们在 2015 年缺血性中风病变分割挑战赛 (ISLES) 的 SISS 训练数据集上比较了有对称性增强和没有对称性增强的性能。使用线性反射配准可以提高基线的性能，但非线性反射配准可以带来更好的结果：一种架构的 Dice 系数比基线提高了 13 个百分点，另一种架构的 Dice 系数提高了 9 个百分点。我们认为在现有分割算法中添加对称特征具有广泛的适用性，特别是使用所提出的非线性、无模板方法。
![arXiv:2002.06468v1 [eess.IV] 2020 年 2 月 15 日](/simg/7\777499bdbfc6571bf7c9699107ab07bc006666e7.webp)
arXiv:2002.06468v1 [eess.IV] 2020 年 2 月 15 日
近期，深度学习技术在医学图像配准中的应用与传统技术相比，大幅减少了配准时间并逐步提高了配准精度。大多数基于学习的配准方法将此任务视为单向问题。因此，仅考虑从运动图像到目标图像的对应关系。然而，在某些医疗程序中，需要执行双向配准。与其他基于学习的配准不同，我们提出了一种具有逆一致性的配准框架。所提出的方法以无监督的方式同时学习前向变换和后向变换。我们在公开的 LPBA40 MRI 数据集上对该方法进行训练和测试，并证明其比基线配准方法具有更强的性能。