CHeart：一种用于心脏解剖结构的条件时空生成模型
图像与视频处理
2023-12-04 v3 计算机视觉与模式识别
机器学习
摘要
心脏图像分析中的两个关键问题是：从图像中评估心脏的解剖结构与运动；以及理解它们如何与非成像临床因素（如性别、年龄和疾病）相关联。虽然第一个问题通常可以通过图像分割和运动追踪算法解决，但我们建模并回答第二个问题的能力仍然有限。在这项工作中，我们提出了一种新颖的条件生成模型来描述心脏的4D时空解剖结构及其与非成像临床因素的相互作用。临床因素被整合为生成建模的条件，这使我们能够研究这些因素如何影响心脏解剖结构。我们主要在两项任务中评估模型性能：解剖序列补全与序列生成。该模型在解剖序列补全中取得了高性能，可与其它最先进的生成模型相媲美或优于它们。在序列生成方面，给定临床条件，模型可以生成与真实数据具有相似分布的逼真合成4D序列解剖结构。
引用
@article{arxiv.2301.13098,
title = {CHeart: A Conditional Spatio-Temporal Generative Model for Cardiac Anatomy},
author = {Mengyun Qiao and Shuo Wang and Huaqi Qiu and Antonio de Marvao and Declan P. O'Regan and Daniel Rueckert and Wenjia Bai},
journal= {arXiv preprint arXiv:2301.13098},
year = {2023}
}
备注
Accepted by IEEE Transactions on Medical Imaging