AVP-AP：基于轴片提示的 3D 心脏 CT 自监督自动视角定位

自动视角定位对于心脏 CT 检查至关重要，包括疾病诊断和手术规划。然而，这由于个体差异和庞大的 3D 搜索空间而具有挑战性。现有工作需要大量的人工标注和耗时的手动注释才能训练视角特定模型，且仅限于预测固定的一组平面。然而，在临床实际场景中，将语义 2D 切片以任意方向嵌入任意 3D 体积中的定位问题尚未得到解决。我们因此提出了一种新框架 AVP-AP，首次运用轴片提示（Atlas Prompting）实现 3D CT 体积的自监督自动视角定位。具体而言，本文首先提出了轴片提示方法，生成 3D 标准轴片并训练网络将切片映射到轴片空间中的对应位置，实现自监督方式。随后，依据参考 CT 中对应的轴片提示，通过 3D 轴片与目标 CT 体积之间的刚性变换识别目标 CT 体积中切片的粗略位置，从而有效缩小搜索空间。最后，通过最大化预测切片与查询图像在给定基础模型特征空间中的相似性来细化粗略位置。我们的框架灵活高效，在任意视角定位方面比其他方法优越 19.8% 的平均结构相似性（SSIM），在两腔视图中实现 9% 的 SSIM，优于四位放射科学家。同时，在公开数据集上的实验验证了本框架的通用性。