一种基于 4D OCT 数据的深度学习运动预测方法
图像与视频处理
2020-06-02 v2 计算机视觉与模式识别
摘要
预测特定目标物体的运动对于外科手术干预是一个常见问题，例如用于目标区域的定位、手术干预的引导或运动补偿。光学相干断层扫描（OCT）是一种具有高空间和时间分辨率的成像方式。近来，深度学习方法在基于两幅体图像的 OCT 运动估计中展现出有前景的性能。我们扩展了该方法，并研究使用时序体图像序列是否能够实现运动预测。我们提出使用 OCT 体数据流的 4D 时空深度学习进行端到端运动预测与估计。我们利用组织数据集设计并评估了五种不同的 3D 和 4D 深度学习方法。我们性能最佳的 4D 方法实现了运动预测，整体平均相关系数为 97.41%，同时相较于先前的 3D 方法将运动估计性能提升了 2.5 倍。
引用
@article{arxiv.2004.10121,
title = {A Deep Learning Approach for Motion Forecasting Using 4D OCT Data},
author = {Marcel Bengs and Nils Gessert and Alexander Schlaefer},
journal= {arXiv preprint arXiv:2004.10121},
year = {2020}
}
备注
Accepted for publication at MIDL 2020: https://openreview.net/forum?id=WVd56kgRV