利用条件变分自编码器从2D视图重建3D高分辨率心脏分割
计算机视觉与模式识别
2019-03-01 v1
摘要
对心脏MR成像的心脏结构进行准确分割是定量分析病理的关键。高分辨率3D MR序列可实现全心结构成像，但采集耗时、成本高，且常需要长时间屏气，不适合患者。因此，多平面屏气2D电影序列是标准做法，但其缺点是缺乏全心覆盖和较低的层间分辨率。为此，我们提出了一种条件变分自编码器架构，能够学习以一短轴和两长轴图像的三个2D LV分割为条件的3D高分辨率左心室（LV）分割的生成模型。通过仅使用这三个2D分割，我们的模型可高效重建受试者的3D高分辨率LV分割。在400名未见的健康志愿者上评估时，我们的模型取得了的平均Dice分数，并优于竞争架构。
引用
@article{arxiv.1902.11000,
title = {3D High-Resolution Cardiac Segmentation Reconstruction from 2D Views using Conditional Variational Autoencoders},
author = {Carlo Biffi and Juan J. Cerrolaza and Giacomo Tarroni and Antonio de Marvao and Stuart A. Cook and Declan P. O'Regan and Daniel Rueckert},
journal= {arXiv preprint arXiv:1902.11000},
year = {2019}
}
备注
Accepted in IEEE International Symposium on Biomedical Imaging (ISBI 2019)