用于断层扫描中基于图像运动估计的外观学习
图像与视频处理
2020-06-19 v1 机器学习
摘要
在断层扫描成像中，通过对采集信号应用伪逆正向模型来重建解剖结构。该过程中的几何信息通常仅取决于系统设置，即扫描仪位置或读出方向。因此，患者运动会破坏重建过程中的几何对齐，导致运动伪影。我们提出了一种外观学习方法，能够独立于扫描对象识别刚体运动的结构。为此，我们训练了一个孪生三元组网络，采用多任务学习方法从重建体中预测完整采集的重投影误差（RPE）以及单视图上 RPE 的近似分布。RPE 基于训练期间可用的虚拟标记位置，测量独立于对象的运动诱导几何偏差。我们使用 27 名患者训练网络，并采用 21-4-2 的比例划分训练、验证和测试集。平均而言，我们实现了 0.013 mm 的残差平均 RPE，患者间标准差为 0.022 mm。其精度是先前发表结果的两倍。在运动估计基准测试中，所提出的方法在十二项实验中的九项中优于两种最先进的测量方法。在受运动影响的临床数据集上展示了所提方法的临床适用性。
引用
@article{arxiv.2006.10390,
title = {Appearance Learning for Image-based Motion Estimation in Tomography},
author = {Alexander Preuhs and Michael Manhart and Philipp Roser and Elisabeth Hoppe and Yixing Huang and Marios Psychogios and Markus Kowarschik and Andreas Maier},
journal= {arXiv preprint arXiv:2006.10390},
year = {2020}
}
备注
Accepted at IEEE Transactions on Medical Imaging