モデルからの逸脱に頑健な非剛体曲面レジストレーション

摘要

本稿では点群統計モデルにより表現した曲面をデータへとレジストレーションする際に，モデルから逸脱している部分を自動的に検出し無視する手法を提案する.Active Shape Modelのような，点群統計モデルを利用した従来の変形方法では，画像から得られた画像に最も近くなるように，モデルの形状パラメータを求める.しかし，対象表面が欠損するなどして統計モデルから逸脱した領域を有するとき，従来法は統計モデルから逸脱している領域とそうではない領域とを区別できないため，形状パラメータを正しく推定できない.そこで提案法は，統計モデルから逸脱する領域が全体の一部分であることを仮定し，逸脱領域を自動的に検出しつつパラメータ推定をおこなう.そのためにL1ノルムに基づく正則化項をコスト関数に導入する.シミュレーション画像および3次元医用画像中の肝臓を対象に提案法を適用し，その性能を評価したので報告する.%In this article, we propose a new method for non-rigid surface registration between a surface model and measured data. Proposed method ignore the irregular parts which do not obey the surface model when fit the model shape to a given data. The conventional methods that used Point Distribution Model such as Active Shape Model estimate the model parameters to be near measured data. However, when target surface has parts deviated from statistical model, conventional methods can not estimate model parameters because they can not distinguish irregular region and regular region. Therefore proposed method assumes sparseness of irregular region deviated from statistical model, estimates model parameters while detecting irregular regions automatically. And we introduce a L1-norm regularization term to an inference criterion. We apply and evaluate proposed method for artificial range data and clinical X-CT images to show its performance.