Registration 1

□ Image registration

: 영상 정합

: 이미지를 정렬하는 process

: 이미지 데이터를 비교하고 서로 다른 이미지 데이터를 공통 프레임에 분석하기 위해 필수

: 다른 이미지 데이터 정렬

: 동일한 주제와 관련되지만 서로 다른 시점에 획득함

: 서로 다른 영상 촬영 방식을 사용하여 획득할 수 있다.

​

​

□ Types of registration

​

▶ Dynamic Image Frames

○ 서로 다른 시점에 획득한 영상

○ 동적 이미징 : 조영 증강의 동적 이미지 생성, 생리적 운동, 호흡 운동, 심장운동, 환자의 운동

○ 영상 기록을 이용한 움직임 보정

○ Inter-frame registration (프레임간 등록)

○ 동적 조영 증강 심장 관류 MRI

○ registration은 이미지를 정렬하는 데 도움이 된다.

○ 정렬된 영상을 통해 분석이 더 쉬워진다.

 

​

​

▶ Follow - up studies

○ 서로 다른 시점에 획득한 영상

○ 초기 치료 후 Follow-up studies

○ 치료 전 vs 치료 후 => 추적관찰

ex) 종양 성장을 측정한다.

 

○ 위의 사진은 허혈성 뇌졸중 환자

○ 전처리 확산 가중 영상 (Pre-treatment diffusion weifhted imaging (DWI))

○ 치료후 7일 후 DWI

○ 3D registration이 필요함

​

​

▶ Multimodal image registration

○ 환자를 촬영하는데 서로 다른 획득 기술(CT, MRI, PET)이 사용된다.

= 동일한 환자가 CT, PET, MRI 영상을 병합할 때 사용한다.

 

​

▶ Registration of pre- and intraoperative data

○ 치료 모니터링은 수술 중 이미징을 기반으로 한다.

○ 수술 중 데이터를 수술 전 데이터와 연관시키는 데 필수적임

○ navigation 시스템을 사용하면 수술 중 데이터를 수술 전 데이터로 변환하여 병리의 국소화를 지원할 수 있음

○ MRI와 비교하여, 초음파로 조직이 어디있는지 보면서 직접 채취 => MRI&초음파를 병합해서 보여주는것임

​

​

▶ Atlas-based matching

○ 환자 데이터 그룹을 Atlas가 있는 정규화된 데이터에 등록한다. = 표준화함 (뇌엽상 많음)

○ Atlas에는 여러 해부학적 영역에 있는 각 해부학적 이름에 대한 분할 mask 또는 확률 맵이 있다.

○ 뇌 이미지 분석에 주로 스인다.

○ 그룹간 분석에도 사용 (ex: 건강한 그룹 vs 질병 그룹)

○ 픽셀 단위 비교가 가능

○ 그룹 분석이 자동화

○ "noralization"이라고 불림

​

Type	Registration
Dynamic imaging Follow-up study Multi-modal Pre- and intraoperative data	same patient(동일한 환자지만, CT, MRI 병합할때)
Atlas-based matching	compare different patients

​

▶ 이미지 registration의 목표

○ 한 데이터 집합을 변형하거나 변환하여 다른 데이터 집합과 최적으로 일치시키는 방법

○ 고정 영상(reference image)

○ 동영상 (template image) : 변형에서 Fixed image랑 allign 하려함

​

​

▶ Registration 알고리즘의 구성 요소

○ Moving image를 기하학적으로 transform 해서 최적화 하는 것

○ 주어진 측면 하에서 주어진 reference이미지에 최적으로 적합하도록 템플릿 이미지 데이터 세트를 기하학적으로 변환한다.

○ 복셀 좌표의 기하학적 변환

○ 유사성 측도를 기반으로 한 피팅 (얼마나 닮았는지 수치화하여서 최소화함)

○ 유사성 측도를 최대화하기 위한 최적화

○ 주어진 측면 : 최적 일치를 위한 기준이 선택됨 (ex: 종양 성장을 조사하는 follow-up studies에서는 종양 크기를 서로 일치시키지 않고 다른 해부학적 구조를 일치시키는 것이 중요하다)

○ 기준을 잘 정하여서 기준이랑 matching

​

​

□ Transformation

▶ Global transformation (전체적인것을 transform)

: 전체적으로 단순 이동을 수정하거나 rotation만 변경한다.

: Rigid, affine, polynomial transformations

​

▶ Local transformation

: 전체 영역에서 관심있는 분야만 변형 (Breathing, muscle 이완)

: B-spline transform , Bezier transform

: 템플릿 이미지 회전 및 변환

: 다양한 landmark 지점을 등록함

: Grid display는 이미지의 local 영역의 변형량을 표시하기 때문에 얼마나 변형이 일어난지 볼 수 있음

 

 

 

 

▶ Affine Transformation

: Gid모양이 어떻게 변하는 가에 따라 달라진다.

: Anisotropic scaling(비등방성 스케일링, 각 스케일링 요인이 다름) 및 shearing(전단)

 

 

​

□ Interpolation

: (보간) 사이를 매꿔주는것

: 템플릿 영상의 각 복셀 좌표에 변환을 적용한 후, 정수가 아닌 값이 발생함

: 템플릿 이미지를 일반 Grid mapping 하려면 재샘플링이 필요함

: 재표본은 각 grid point에서 보간을 의미함 (가장 가까운 이웃 보간 <= 가장 단순한)

​

 

검정 : 보간점 , 나머지 : 인접 샘플

​

​