面向全自动心肌病理分割的多序列 CMR 图像对齐
图像与视频处理
2023-02-08 v1 计算机视觉与模式识别
摘要
心肌病理分割（MyoPS）对心肌梗死（MI）的风险分层与治疗规划至关重要。多序列心脏磁共振（MS-CMR）图像可提供有价值的信息。例如，平衡稳态自由进动电影序列呈现清晰的解剖边界，而延迟钆增强与 T2 加权 CMR 序列分别可视化 MI 的心肌瘢痕与水肿。现有方法通常融合来自不同 CMR 序列的解剖与病理信息以进行 MyoPS，但假定这些图像已空间对齐。然而，由于临床实践中的呼吸运动，MS-CMR 图像通常未对齐，这给 MyoPS 带来额外挑战。本工作提出一种面向未对齐 MS-CMR 图像的自动 MyoPS 框架。具体而言，我们设计了一种用于同步图像配准与信息融合的组合计算模型，将多序列特征聚合至公共空间以提取解剖结构（即心肌）。进而，考虑到心肌病理与心肌间的空间关系，我们可通过提取的心肌在公共空间中突出信息区域以提升 MyoPS 性能。在私有 MS-CMR 数据集与来自 MYOPS2020 挑战赛的公开数据集上的实验表明，我们的框架能为全自动 MyoPS 取得有前景的性能。
引用
@article{arxiv.2302.03537,
title = {Aligning Multi-Sequence CMR Towards Fully Automated Myocardial Pathology Segmentation},
author = {Wangbin Ding and Lei Li and Junyi Qiu and Sihan Wang and Liqin Huang and Yinyin Chen and Shan Yang and Xiahai Zhuang},
journal= {arXiv preprint arXiv:2302.03537},
year = {2023}
}