AngioMoCo：基于学习的脑数字减影血管造影运动校正
图像与视频处理
2023-10-10 v1 计算机视觉与模式识别
摘要
脑 X 射线数字减影血管造影（DSA）是可视化血流和指导血管内治疗的标准成像技术。DSA 质量常因采集期间身体运动受到负面影响，导致诊断价值下降。耗时的迭代方法基于非刚性配准进行运动校正，并采用稀疏关键点与非刚性惩罚以限制血管畸变。近期方法通过从相应未减影帧预测减影帧来缓解减影伪影，但并未显式补偿帧间运动引起的错位。这阻碍了血流的连续评估，并常导致不期望的血管与对比剂流动改变，致使临床可用性受限。为应对这些局限，我们提出 AngioMoCo，一种从 X 射线血管造影生成运动补偿 DSA 序列的基于学习的框架。AngioMoCo 整合对比剂提取与运动校正，能够区分患者运动与对比剂流动引起的强度变化。该策略提升了配准质量，同时比基于 elastix 的迭代方法显著更快。我们在一个大型国家级多中心数据集（MR CLEAN Registry）的临床采集血管造影图像上通过全面的定性与定量分析展示了 AngioMoCo。AngioMoCo 生成高质量运动补偿 DSA，在保留对比剂流动的同时去除运动伪影。代码公开于 https://github.com/RuishengSu/AngioMoCo。
引用
@article{arxiv.2310.05445,
title = {AngioMoCo: Learning-based Motion Correction in Cerebral Digital Subtraction Angiography},
author = {Ruisheng Su and Matthijs van der Sluijs and Sandra Cornelissen and Wim van Zwam and Aad van der Lugt and Wiro Niessen and Danny Ruijters and Theo van Walsum and Adrian Dalca},
journal= {arXiv preprint arXiv:2310.05445},
year = {2023}
}