Multimodal image registration for effective thermographic fever screening

📄 arXiv: 2507.02955v1 📥 PDF

作者: C. Y. N. Dwith, Pejhman Ghassemi, Joshua Pfefer, Jon Casamento, Quanzeng Wang

分类: cs.CV

发布日期: 2025-06-29

期刊: Proceedings Volume 10057, Multimodal Biomedical Imaging XII 100570S, 2017

DOI: 10.1117/12.2253932

💡 一句话要点

提出多模态图像配准方法以提高热成像发热筛查的准确性

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 多模态图像配准 红外热成像 发热筛查 公共卫生监测 边缘检测 粗细配准 眼内眦定位

📋 核心要点

  1. 现有的发热筛查方法在准确定位眼内眦区域方面存在挑战，影响了筛查的有效性。
  2. 本文提出了一种多模态图像配准方法，通过粗细配准策略结合地标和边缘检测来实现精确定位。
  3. 实验结果表明，该方法的配准精度达到2.7毫米，显著提高了发热筛查的准确性。

📝 摘要（中文）

基于红外热成像（IRT）的发热筛查是应对传染病疫情（如埃博拉和SARS）的一种有效大规模筛查方法，适用于医院和机场等公共场所的温度监测。IRT被发现是一种快速、非侵入性的方法来检测体温升高。本文提出了一种通过多模态配准红外和白光图像来准确定位眼内眦区域的方法，采用粗细配准策略，基于地标和眼轮廓的边缘检测。评估结果显示，配准精度在2.7毫米以内，能够实现对内眦区域的准确定位。

🔬 方法详解

问题定义：本文旨在解决现有发热筛查方法在准确定位眼内眦区域时的不足，现有方法往往无法提供足够的精度，影响筛查效果。

核心思路：论文提出了一种多模态图像配准方法，结合红外图像和白光图像，通过粗细配准策略来提高定位精度，确保能够准确识别发热筛查的关键区域。

技术框架：整体架构包括两个主要阶段：首先进行粗配准，利用地标信息进行初步定位；然后进行细配准，通过边缘检测进一步提高定位精度。

关键创新：最重要的技术创新在于结合了多模态图像配准技术与粗细配准策略，显著提升了对内眦区域的定位精度，与传统单一模态方法相比，具有更高的准确性和可靠性。

关键设计：在参数设置上，采用了适应性阈值来优化边缘检测效果，同时在损失函数中引入了配准精度的约束，以确保最终定位的准确性。

📊 实验亮点

实验结果显示，所提出的配准方法在定位精度上达到了2.7毫米，相较于传统方法有显著提升，能够有效支持大规模的发热筛查工作，确保公共场所的安全。

🎯 应用场景

该研究的潜在应用领域包括公共卫生监测、机场和医院的发热筛查等场景，能够有效提高对传染病疫情的响应能力。未来，该方法还可扩展至其他需要高精度定位的医疗影像分析领域，具有重要的实际价值和影响。

📄 摘要（原文）

Fever screening based on infrared thermographs (IRTs) is a viable mass screening approach during infectious disease pandemics, such as Ebola and SARS, for temperature monitoring in public places like hospitals and airports. IRTs have found to be powerful, quick and non-invasive methods to detect elevated temperatures. Moreover, regions medially adjacent to the inner canthi (called the canthi regions in this paper) are preferred sites for fever screening. Accurate localization of the canthi regions can be achieved through multi-modal registration of infrared (IR) and white-light images. We proposed a registration method through a coarse-fine registration strategy using different registration models based on landmarks and edge detection on eye contours. We evaluated the registration accuracy to be within 2.7 mm, which enables accurate localization of the canthi regions.