Lung Registration

문제

자세(supine/prone)에 따라 폐가 얼마나 움직이고 부피가 어떻게 바뀌는지는 알려져 있지만, 이를 정량적으로 측정하려면 치료 전후 영상을 정확히 맞춰야 합니다.

접근

Lung 분할 → Affine 정합 → 딥러닝 정합(VoxelMorph 기반 Cascade) 순서로 단계를 나눴습니다. Patch로 학습하고 Sliding-Window로 추론해 blocky artifact를 피했습니다.

파이프라인

1. 분할 — 폐 영역 추출
2. Affine — 전역 정렬
3. DL Registration — VoxelMorph 기반 Cascade
4. 추론 — Patch 학습 + Sliding-Window (center-crop)

손실함수는 NCC : Grad : L1 비율을 튜닝했습니다.

TODO — 최종 손실 가중치와 학습 설정을 적어주세요.

결과

Prone 자세에서 좌하엽 +90.2 mL, 우하엽 +52.5 mL의 부피 증가를 정량화했고, 3D 평균 픽셀 이동은 2.8 cm였습니다. 좌하엽 부피 변화와 FVC 사이의 상관도 규명했습니다.

TODO — 정합 전후 오버레이 이미지와 부피 변화 그래프를 넣어주세요.

배운 점

TODO