voxelmorph: 변형 가능한 의료 영상 정합 및 정렬을 위한 학습 기반 프레임워크

해결하는 문제

VoxelMorph는 변형을 모델링하여 두 이미지(예: 의료 스캔)를 정렬하는 과정인 이미지 정합을 위한 학습 기반 프레임워크를 제공합니다. 서로 다른 해부학적 구조나 서로 다른 영상 모달리티(예: CT → MRI)를 가진 이미지를 효율적으로 정렬하는 문제를 해결합니다.

작동 원리

이 라이브러리는 합성곱 신경망(CNN)을 사용하여 변형 필드를 예측하고, 이를 통해 이동 이미지(동적 이미지)를 고정 이미지(또는 아틀라스)와 일치하도록 워핑합니다. 다양한 손실 함수(MSE, CC)를 활용한 비지도 학습, 변형이 부드럽고 가역적인지를 보장하는 디페오모픽 정합, 그리고 어파인 정합 등 여러 정합 유형을 지원합니다. 또한 실제 획득 영상 대신 합성된 이미지를 사용해 정합 모델을 학습하는 전략인 SynthMorph를 포함하여 모델을 대비도에 무관하게 만들 수 있습니다.

대상 사용자

3D 볼륨이나 이미지를 정렬하고 공간 변형을 모델링해야 하는 의료 영상 및 컴퓨터 비전 분야의 연구자와 실무자를 위해 설계되었습니다.

주요 특징

• 다중 모달리티 지원: CT‑to‑MRI와 같이 서로 다른 영상 모달리티 간 정합 수행 가능.
• SynthMorph: 실제 학습 데이터 없이 합성 이미지를 사용해 정합 네트워크를 학습할 수 있음.
• 디페오모픽 매핑: 해부학적 토폴로지를 유지하기 위해 부드럽고 가역적인 변형 생성 지원.
• TensorFlow 및 PyTorch: 안정적인 TensorFlow 구현과 활발히 개발 중인 PyTorch 브랜치를 제공.
• 아틀라스 구축: 무조건적 및 조건부 변형 템플릿(아틀라스) 생성 도구 포함.

SUMMARY: 학습 기반 이미지 정합 및 변형 모델링을 위한 범용 라이브러리로, 주로 의료 영상 스캔 정렬에 사용됩니다.

TITLE: voxelmorph: 변형 가능한 의료 영상 정합 및 정렬을 위한 학습 기반 프레임워크