基于稀疏学习和中继样本的婴幼儿脑部磁共振图像配准研究

Registration of infant brain magnetic resonance (MR) images is fundamentally important in brain related researches, especially the studies upon brain MR images. Due to the rapid early brain development, infant brain MR images vary a lot and their registration is highly challenging. Based on our previous studies of sparsity learning and intermediate subjects, we propose in this project to complete the registration of infant images regardless of subjects and scanning ages. Note that the specific aim of our project is not investigated in the literature yet. In particular, we establish spatial correspondences between to-be-registered images and intermediate images via sparsity learning. Then, we acquire 4-dimensional longitudinal (temporal + spatial) correspondences within intermediate images by taking advantages of their complete temporal information. The two are combined to yield the temporal + spatial correspondences between the to-be-registered images, which in turn contribute to image registration. Meanwhile, we also assure that the temporal consistency within images, which are acquired from the same subject but at different ages, is preserved throughout registration. In general, our plan is able to decompose the difficult direct registration problem into several relatively easy-to-solve ones, or the indirect registration. Our project can be applied to not only infant brain MR images but more adult multi-modal data as well. We expect that our method could effectively promote the development of brain studies based MR images.

婴幼儿脑部磁共振（MR）图像配准是脑科学研究中的基础性方法之一，在MR图像分析中举足轻重。人脑早期生长发育极为迅速；受此影响，婴幼儿脑部MR图像的变化大，配准难度高。利用前期工作中对稀疏学习和中继样本等的研究，我们将在本项目中实现对任意婴幼儿个体、任意年龄的脑部MR图像配准，有效填补这一空白。我们利用稀疏学习建立待配准图像与中继样本之间的空间对应关系，继而利用中继样本内部完整的时间信息建立四维纵向（时间+空间）对应关系。两者合并，我们就得到了待配准图像间的时间+空间对应关系，并完成其配准。于此同时，我们也保证同一个体内部多个年龄图像间的时间一致性在配准前后保持不变。本项目提出的方案可以将高难度的图像直接配准分解成为由若干较简单问题组成的间接配准。我们的方法不仅可以应用在婴幼儿图像配准上，也可以推广至成人多模态图像配准等，并有效推动基于MR图像的脑科学研究的发展。

婴幼儿脑部磁共振（MR）图像配准是脑科学研究中的基础性方法之一，在MR图像分析中举足轻重。人脑早期生长发育极为迅速。受此影响，婴幼儿脑部MR图像的变化大，配准难度高。本项目中，我们提出并验证利用稀疏学习，建立输入图像与中继样本之间的空间对应关系，继而利用中继样本内部完整的时间信息，建立四维纵向（时间+空间）对应关系，最后插值获得变形场，以完成输入图像的四维纵向配准。上述方法不仅应用与婴幼儿脑部MR图像配准，更推广至包括多模态图像配准等在内的跨流形图像配准。当输入的待配准图像有较大的视觉差异时，传统方法中待配准图像分布于单一流形上的假设已不再成立。此时，我们提出待配准图像自身可以演化出一个中继序列，且该序列中的图像对应复杂度不断变化的流形。最终，两幅图像所演化出的中继序列，会在一个复杂度较低的流形上相遇。此时，原先高复杂度流形上的图像配准问题，就分解为低复杂度流形上的配准问题，以及多个较简单的跨流形配准问题。通过这种分而治之的思路，我们可以解决多模态图像配准、纵向图像配准等一系列问题。在项目执行过程中，我们还验证了多种跨流形图像映射的方法。例如，我们通过深度学习方法，实现输入图像模态到输出图像模态的端到端映射，进而将传统的多模态图像配准问题简化为单模态图像配准问题。我们的研究对医学图像配准、脑部MR图像配准等有重大意义，将流形学习、稀疏学习、深度学习等机器学习方法成功融入图像配准，有力推进了相关研究的开展。