用于 MRI 中心肌运动追踪的生物力学知情神经网络
图像与视频处理
2020-07-09 v3 计算机视觉与模式识别
摘要
图像配准是一个不适定逆问题，通常需要对解空间进行正则化。与当前大多数施加显式正则化项（如平滑性）的方法不同，本文提出一种能够隐式学习生物力学知情正则化的新方法。该方法可将特定应用的先验知识融入基于深度学习的配准中。特别地，所提出的生物力学知情正则化利用变分自编码器（VAE）学习生物力学上合理形变的流形，并通过重建生物力学模拟隐式捕获其底层属性。学习到的 VAE 正则化子随后可与任何基于深度学习的配准网络耦合，以将解空间正则化为生物力学上合理的。所提方法在两个不同数据集的二维心脏 MRI 数据栈的心肌运动追踪背景下进行了验证。结果表明，其在运动追踪精度方面优于其他竞争方法，并能够学习不可压缩性和应变等生物力学属性。该方法还被证明相较于常用的 L2 正则化方案对未见域具有更好的泛化能力。
引用
@article{arxiv.2006.04725,
title = {Biomechanics-informed Neural Networks for Myocardial Motion Tracking in MRI},
author = {Chen Qin and Shuo Wang and Chen Chen and Huaqi Qiu and Wenjia Bai and Daniel Rueckert},
journal= {arXiv preprint arXiv:2006.04725},
year = {2020}
}
备注
The paper is early accepted by MICCAI 2020