基于运动与形状解耦模型的 4D 心肌重建
计算机视觉与模式识别
2023-08-29 v1
摘要
估计心肌的形状与运动状态对心血管疾病诊断至关重要。然而,电影磁共振(CMR)成像以 2D 切片为主,其较大的层间距给层间形状重建与运动获取带来挑战。为解决该问题,我们提出一种解耦运动与形状的 4D 重建方法,可从有限切片获得的稀疏点云序列中预测层间/层内形状与运动估计。我们的框架包含一个神经运动模型和一个舒张末期(ED)形状模型。隐式 ED 形状模型可学习连续边界,并促使运动模型在无真实形变监督下预测;运动模型通过将任意时相的任意点形变至 ED 时相,为形状模型提供规范输入。此外,所构建的 ED 空间支持形状模型的预训练,从而引导运动模型并解决数据稀缺问题。我们提出了所知的首个 4D 心肌数据集,并在所提、公共及跨模态数据集上验证方法,展现出优越的重建性能并支持多种临床应用。
引用
@article{arxiv.2308.14083,
title = {4D Myocardium Reconstruction with Decoupled Motion and Shape Model},
author = {Xiaohan Yuan and Cong Liu and Yangang Wang},
journal= {arXiv preprint arXiv:2308.14083},
year = {2023}
}
备注
Accepted by ICCV2023