用于4D动态医学图像的空间时间体积插值网络
计算机视觉与模式识别
2020-04-28 v2 图像与视频处理
摘要
动态医学成像通常因大辐射剂量及较长的图像扫描与重建时间而在应用中受限。现有方法试图通过在所获图像体积之间插值体积来缩减动态序列。然而，这些方法局限于2D图像和/或无法支持图像体积序列间运动的大幅变化。本文中，我们提出一种面向4D动态医学图像的空间时间体积插值网络（SVIN）。SVIN引入双网络：其一是空间时间运动网络，利用3D卷积神经网络（CNN）进行无监督参数化体积配准，以从两幅图像体积导出空间时间运动场；其二是序列体积插值网络，利用所导出的运动场插值图像体积，并辅以一个新的基于回归的模块来刻画功能器官结构中的周期运动循环。我们还引入自适应多尺度架构以捕获体积大解剖运动。实验结果表明，我们的SVIN优于最先进的时态医学插值方法以及已扩展支持体积图像的自然视频插值方法。我们的消融研究进一步表明，相较于最先进的无人监督医学配准方法，我们的运动网络能更好地表示大幅功能运动。
引用
@article{arxiv.2002.12680,
title = {A Spatiotemporal Volumetric Interpolation Network for 4D Dynamic Medical Image},
author = {Yuyu Guo and Lei Bi and Euijoon Ahn and Dagan Feng and Qian Wang and Jinman Kim},
journal= {arXiv preprint arXiv:2002.12680},
year = {2020}
}
备注
10 pages, 8 figures, Conference on Computer Vision and Pattern Recognition (CVPR) 2020