論文要約：学習ベースの医療画像登録におけるグリッド制御点の自由度について

タイトル: On the Degrees of Freedom of Gridded Control Points in Learning-Based Medical Image Registration
著者: Wen Yan, Qianye Yang, 他 (UCL Hawkes Institute 他)

1. 背景と課題 (Problem)

医療画像登録（Medical Image Registration）において、学習ベースの手法は高速な推論が可能ですが、従来のアプローチには以下の課題がありました。

• 高密度な変位場（DDF）の非効率性: 多くの既存手法（VoxelMorph や TransMorph など）は、画像の全ボクセルに対して変位ベクトルを予測する「高密度な変位場（Dense Displacement Fields: DDF）」を生成します。これは、画像解像度と制御点の解像度が等しい「極端なグリッドモデル」と見なせます。
• 過剰な自由度（DoF）とノイズ: 均質な組織領域やノイズの多い領域では、明確な局所的な対応関係が存在しません。DDF のような高密度なパラメータ化は、これらの領域で過剰な自由度を持ち、ノイズに過剰適合（Overfitting）したり、解剖学的に不自然な変形（物理的にありえない局所的な歪み）を引き起こすリスクがあります。
• 計算コスト: 高密度なデコーダはメモリ使用量と計算コストが非常に高く、リソース制約のある環境での展開が困難です。

一方、散在する制御点（Scattered Control Points）を用いる手法（KeyMorph など）は効率的ですが、解剖学的なランドマークの検出が困難な場合や、均質な領域では性能が低下する可能性があります。

2. 提案手法 (Methodology)

著者らは、GridReg という新しい学習ベースの登録フレームワークを提案しました。これは、DDF の代わりに「疎なグリッド上の制御点」で変位を予測し、その後補間して高密度な変位場を復元するアプローチです。

主要な技術的構成要素

1. 疎なグリッド制御点パラメータ化:

   • 画像全体ではなく、グリッド（例：5×5×5, 10×10×10 など）上の制御点のみで変位を予測します。
   • これにより、パラメータ数とメモリ使用量を大幅に削減しつつ、滑らかな変形表現を維持します。
   • 制御点の自由度（DoF）を制限することで、均質領域でのノイズに対する正則化（Implicit Regularisation）として機能します。

2. GridReg アーキテクチャ:

   • エンコーダ: 多スケールの 3D 特徴マップを抽出します。
   • スキップ・プロジェクション: エンコーダの各層の 3D 特徴を 1D トークン列に平坦化し、位置エンコーディングを付与します。
   • クロス・アテンション・デコーダ: 制御点（クエリ）が、自身の局所的なグリッド近傍にあるエンコーダ・トークン（キー・バリュー）に注意を向け、変位を予測します。これにより、制御点ごとに文脈を考慮した変位推定が可能になります。
   • 補間: 予測された疎な変位場を、3 線形補間、B スプライン、または転置畳み込みを用いて画像解像度までアップサンプリングし、高密度な変位場（DDF）を生成します。

3. グリッド適応型トレーニング (Grid-Adaptive Training):

   • 単一のモデルで複数のグリッド解像度（5, 8, 10, 15 など）をトレーニング中にサンプリングします。
   • 検証セットに基づいて各データセットに最適なグリッドサイズを選択可能であり、再トレーニングなしで柔軟に対応できます。

4. ベイズ推定と不確実性:

   • デコーダ後にベイズヘッドを追加し、制御点ごとの変位の平均と分散（不確実性）を予測します。これにより、曖昧な領域（均質組織など）での変形の信頼性を評価できます。

3. 主要な貢献 (Key Contributions)

• 軽量デコーダの導入: 多スケール 3D 特徴を制御点埋め込みに変換し、局所クロス・アテンションを通じて疎な変位を予測する新しいデコーダを提案。
• グリッド適応型フレームワーク: 単一モデルで複数の制御点グリッド解像度を扱えるようにし、データセットごとに最適な密度を動的に選択可能にしました。
• 性能と効率の両立: 既存のボクセル単位 DDF デコーダや散在制御点手法と比較して、同等または優れた登録精度を達成しつつ、メモリ使用量と計算コストを大幅に削減しました。

4. 実験結果 (Results)

3 つのデータセット（前立腺、骨盤臓器、脳）を用いて評価を行いました。

• 前立腺データセット (Dataset 1):
  • GridReg は Dice 係数 (0.88) で VoxelMorph (0.86) や TransMorph (0.84) を上回りました。
  • 解剖学的ランドマークの誤差（TRE）は KeyMorph (3.98mm) にやや劣るものの (4.54mm)、マスクの重心距離（Dmsk_CD）では KeyMorph (2.56mm) よりも優れ (1.87mm)、より安定したマスク整合性を示しました。
  • 視覚的評価: 均質な領域において、DDF モデル（VoxelMorph 等）は局所的な歪みを生じやすいのに対し、GridReg は解剖学的に妥当な変形を維持しました。
• 骨盤データセット (Dataset 2):
  • GridReg は Dice 0.78 で KeyMorph (0.79) に匹敵し、VoxelMorph/TransMorph よりも優れていました。
• 脳データセット (Dataset 3):
  • GridReg は Dice 0.78 で VoxelMorph/TransMorph を上回り、KeyMorph と同等の精度を達成しました。
• 計算効率:
  • GridReg はベースライン手法に比べてパラメータ数が 2 倍〜163 倍少ないにもかかわらず、推論時間は GPU の入力読み込みが支配的であるため同程度（約 0.23 秒）でした。
  • GPU メモリ使用量は大幅に削減（例：前立腺データで VoxelMorph の 208MB に対し、GridReg は 146MB）。

アブレーション研究:

• グリッドサイズ 10×10×10 が最適なバランスを示しました。
• スキップ・プロジェクションモジュールの除去は精度を低下させました。
• ベイズヘッドは精度向上には寄与しませんでしたが、不確実性の可視化には有用でした。

5. 意義と結論 (Significance & Conclusion)

• 自由度の制御: 医療画像登録において、高密度な変位場（全ボクセル制御）は必ずしも必要ではなく、むしろ「疎なグリッド制御点」による自由度の制限が、ノイズへの耐性を高め、解剖学的に妥当な変形を促すことが示されました。
• 実用性: GridReg は、リソース制約のある環境（モバイルデバイスやエッジコンピューティング）での展開に適しており、臨床応用（臓器追跡やアトラス構築）への道を開きます。
• 汎用性: エンコーダアーキテクチャに依存せず、既存の登録ネットワークに容易に統合可能です。

結論として、疎なグリッド変位を予測するアプローチは、計算コストの削減と性能の向上を両立させる有効な手段であり、多くの医療画像登録タスクにおいて、適応的なグリッドサイズとともに採用されるべきであるとしています。コードは GitHub で公開されています。