The KIPS Transactions:PartA (정보처리학회논문지A)

Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Multimodal Brain Image Registration based on Surface Distance and Surface Curvature Optimization

표면거리 및 표면곡률 최적화 기반 다중모달리티 뇌영상 정합

  • 박지영 (이화여자대학교 과학기술대학원 컴퓨터학과) ;
  • 최유주 (이화여자대학교 과학기술대학원 컴퓨터학과) ;
  • 김민정 (이화여자대학교 과학기술대학원 컴퓨터학과) ;
  • 태우석 (한양대학교 대학원 의용생체공학과) ;
  • 홍승봉 (성대의대 신경과) ;
  • 김명희 (이화여자대학교 컴퓨터 그래픽스/가상현실 연구센터)
  • Published : 2004.10.01
Download PDF
⟨ Previous Next ⟩

Abstract

Within multimodal medical image registration techniques, which correlate different images and Provide integrated information, surface registration methods generally minimize the surface distance between two modalities. However, the features of two modalities acquired from one subject are similar. So, it can improve the accuracy of registration result to match two images based on optimization of both surface distance and shape feature. This research proposes a registration method which optimizes surface distance and surface curvature of two brain modalities. The registration process has two steps. First, surface information is extracted from the reference images and the test images. Next, the optimization process is performed. In the former step, the surface boundaries of regions of interest are extracted from the two modalities. And for the boundary of reference volume image, distance map and curvature map are generated. In the optimization step, a transformation minimizing both surface distance and surface curvature difference is determined by a cost function referring to the distance map and curvature map. The applying of the result transformation makes test volume be registered to reference volume. The suggested cost function makes possible a more robust and accurate registration result than that of the cost function using the surface distance only. Also, this research provides an efficient means for image analysis through volume visualization of the registration result.

서로 다른 종류의 영상을 정확하게 연관시켜 복합적인 정보를 제공하는 다중모달리티 의료 영상정합기법 중 표면정보 기반 영상정합에서는 일반적으로 동일 대상에 대한 서로 다른 모달리티에서 추출된 표면 윤곽정보 사이의 거리를 최소화함으로써 매칭이 이루어진다. 그런데 동일대상에 대해 취득되는 서로 다른 두 모달리티는 관심 영역 상의 표면 특성이 서로 유사하다. 그러므로 다중모달리티 영상정합에서 표면거리와 함께 표면의 형태 특성을 고려하여 두 영상을 매칭하는 방법이 정합결과의 정확도를 향상시킬 수 있다. 본 연구에서는 동일 대상의 서로 다른 두 모달리티 뇌영상 간의 표면거리와 표면곡률을 최적화하는 정합기법을 제안한다. 영상정합은 참조영상과 테스트영상에 대한 표면정보 생성과 이 두 개의 표면정보를 최적화하는 단계로 구성된다. 표면정보 생성 단계에서는 두 모달리티로부터 관심영역의 윤곽선을 추출하고, 이 중 참조 볼륨의 윤곽선에 대해서는 표면거리맵과 표면곡률맵을 구성하게 된다. 최적화 단계에서는 표면거리맵과 표면곡률맵을 참조하는 최적화 평가함수(cost function)에 의해 두 객체의 표면거리 차이와 표면곡률 차이를 최소화하는 정합 변환 값이 결정되고, 이것이 테스트영상의 변환에 적용되어 결과적으로 두 영상이 정합 되게 된다. 제안된 최적화 평가함수는 표면거리 정보만을 사용하는 평가함수에 비해 보다 견고한 정합 정확도를 보였으며 또한 본 연구는 정합결과의 볼륨 가시화를 통해 효율적인 영상 분석 수단을 제공하고자 하였다.

Keywords

References

  1. Derek L. G. Hill, Philipp G. Batchelor, Mark Holden, David J. Hawkes, 'Medical Image Registration,' Physics in Medicine and Biology, Vol.46, No.3, pp.R1-R45, 2001 https://doi.org/10.1088/0031-9155/46/3/201
  2. Joseph V. Hjnal, Derek L.G. Hill, David J. Hawkes, 'Medical Image Registration,' CRC Press, 2001
  3. 홍헬렌, '명암도 기반 정합과 복합적 가시화를 통한 단일 및 다중 모달리티 영상 퓨전', 이화여자대학교 과학기술대학원 박사학위 논문, 2001
  4. Barbara Zitova, Jan Flusser, 'Image registration methods : a survey,' Image and Vision Computing, Vol.21, No.11, pp.977-1000, 2003 https://doi.org/10.1016/S0262-8856(03)00137-9
  5. Pelizzari C. A, Chen G. T. Y., Spelbring D. R., Weichselbaum R. R. and Chen C-T., 'Accurate three-dimensional registration of CT, PET, and/or MR images of the brain,' Journal of computer assisted tomography, Vol.13, No.1, pp.20-26, 1989 https://doi.org/10.1097/00004728-198901000-00004
  6. Gunilla Borgefors, 'Hierarchical Chamfer Matching : A Parametric Edge Matching Algorithm,' IEEE Trans. Pattern Anal. Mach. Intell., Vol.10, No.6, pp.849-865, 1988 https://doi.org/10.1109/34.9107
  7. Besl P. J., McKay N. D., 'A method for registration of 3-D shapes,' IEEE Trans. Pattern Anal. Mach. Intell., Vol.14, No.2, pp.239-256, 1992 https://doi.org/10.1109/34.121791
  8. Turkington, T. G., Hoffman, J. M., Jaszczak, R. J., MacFall, J. R., Harris, C. C., Kilts, C. D., Pelizzari, C. A. and Coleman, R. E., 'Accuracy of surface fit registration for PET and MR brain images using full and incomplete brain surfaces,' Journal of computer assisted tomography, Vol. 19, No.1, pp.117-124, 1995 https://doi.org/10.1097/00004728-199501000-00022
  9. Turkington, T. G., Jaszczak, R. J., Pelizzari, C. A., Harris, C., MacFall, J. R, M., Hoffman J. and Coleman, R. E., 'Accuracy of registration of PET, SPECT and MR images of a brain phantom,' Journal of nuclear medicine, Vol.34, No.9, pp.1587-1594, 1993
  10. Tsui, W., Rusinek, H., van Gelder, P. and Lebedev, S., 'Fast surface-fitting algorithm for 3-D image registration,' In Loew, M. H. (ed.), Medical imaging: image processing, Bellingham, WA SPIE Press, Vol.1898, pp.14-23, 1993 https://doi.org/10.1117/12.154504
  11. Huang C. T., Mitchell O. R., 'A Euclidean distance transform using grayscale morphology decomposition,' IEEE Trans. Pattern Anal. Mach. Intell., Vol.16, No.4, pp.443-448, 1994 https://doi.org/10.1109/34.277600
  12. Jiang, H., Robb, R. A. and Holton, K. S., 'A new approach to 3-D registration of multimodality medical images by surface matching,' In Visualization in biomedical computing, Bellingham, WA. SPIE press, Vol.1808, pp.196-213, 1992 https://doi.org/10.1117/12.131078
  13. Kruggel, F. and Bartenstein, P., 'Automatical registration of brain volume datasets,' In Bizais, Y., Barillot, C., and di Paola, R.(eds). Information processing in medical imaging, Kluwer, pp.389-390, 1995
  14. Zhengyou Zhang, 'Iterative Point Matching for Registration of Free-Form Curves,' Technical Report 1658, INRIA, 1992
  15. Feldmar, J., Ayache, N., 'Locally affine registration of free-form surfaces,' In Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, pp.496-501, 1994 https://doi.org/10.1109/CVPR.1994.323872
  16. Feldmar, J., Ayache, N., 'Rigid and affine registration of smooth surfaces using differential properties,' In Proceedings of the third European conference on Computer Vision, Vol. II, pp.397-406, 1994
  17. Lavallee, S., Szeliski, R., 'Recovering the position and orientation of free-form objects from image contours using 3D distance maps,' IEEE Trans. Pattern Anal. Mach. Intell., Vol.17, No.4, pp.378-390, 1995 https://doi.org/10.1109/34.385980
  18. N. Paragios, M. Rousson, V. Ramesh, 'Non-rigid registration using distance functions,' Computer Vision and Image Understanding, Vol.89, Issue 2-3, pp.142-165, 2003 https://doi.org/10.1016/S1077-3142(03)00010-9
  19. T. Makela, P. Clarysse, J. Lotjonen, O. Sipila, K. Lauerma, H. Hanninen, J. Nenonen, J. Knuutti, T. Katila, IE. Magnin, 'A new method for the registration of cardiac PET and MR images using deformable model based segmentation of the main thorax structures,' Lecture notes in computer science 2208 : Medical Image computing and Computer-Assisted Intervention, MICCAI 2001, W.J. Niessen and M.A. Viergever (Eds.), pp.557-564, 2001
  20. D. Cool, D. Chillet, J. Kim, M. Foskey and S. Aylward, 'Tissue-based affine registration of brain images to form a vascular density atlas,' Proceedings of the Conference on Medical Image Computing and Computer-Assisted Intervention, Part II, pp.8-15, 2003
  21. P. Putjarupong, C. Pintavirooj, W. Withayachumnankul, M. Sangworasil, 'Image Registration Exploiting Fivepoint Coplanar perspective Invariant and Maximum-Curvature point,' Journal of WSCG, Vol.12, No.1-3, 2004
  22. Rafael C. Gonzalez, Richard E. Woods., 'Digital Image Processing,' Addison-Wesley, Publishing Company, Inc., 1993
  23. H. Freeman and L. S. Davis, 'A corner finding algorithm for chain-coded curves,' IEEE Trans. Comput. Vol.26, No.3, pp.297-303, 1977 https://doi.org/10.1109/TC.1977.1674825
  24. Analyze program, http://www.mayo.edu/bir/Software/Analyze/Analyze.html