交流一下关于数据准备的问题

[busyyang]

作者你们好，

最近我有一个任务是进行CT/MRI的配准，看了不少文献和方法，对于配准的过程大致有个了解，但是在数据准备阶段犯了难。

• Spacing: 我们的CT和MRI数据来自不同的设备，存在不同的Spacing，CT有好几个Spacing规格，MRI也是。这部分还好理解，我可以将数据重采样的相同的Spacing下，如全都重采样到[1,1,1].
• Direction: 部分原始数据是存在方向的，并非是RAI的状态，但是在进行神经网络训练的时候，一般来说，网络得到的就是每个体素的值，那方向信息就没有了。如果我确实需要数据有一定的方向（用于初始对齐），那是不是还得将数据变换到RAI或者任意一个确定的方向后再重采样裁剪？
• 初始对齐：在使用深度学习进行训练的时候，基本上文献都要求数据已经Affined, 那么如何进行Affine? 文献上好多是基于Ants先做一个刚性变换，但是我们数据的大小(或者说FOV)差距比较大，如CT都是整个腹腔的影像数据，然而MRI只有这个范围内的一小部分，使用ants做刚性变换效果并不好。
• Size: 我们的CT的Size和MRI的Size差距很大，而且聚焦的FOV差距也很大，如何传入这两种Size的模型，VM等都要求两个输入的shape是一样的。或者，自己写模型结构，可以输入不同的Size, 但是如何让模型学到我要进行空间变换的范围？在数据量只有几百组的情况下，是不是有比较好的泛化性？

现在我想到的思路是1. 先把所有数据全部重采样到[1,1,1]的Spacing，2. 想办法进行初始对齐，我想到的办法是写一个GUI界面，通过拖动的方式让两个模态的数据先对齐，但是这样比较麻烦，写GUI需要时间，每组数据拖动也需要时间，有没有其他的比较方便一点的办法？ 3. 初始对齐了后，框一个ROI区域出来，将ROI区域的数据切出来，用于训练，这样基本上满足VM等的数据输入要求，可以做一个初版的Demo.

但是，总感觉这样做数据处理就需要很长的时间，不知道是不是一个好办法？