基于CNN的心脏运动提取以从电影MRI生成可变形几何左心室心肌模型
图像与视频处理
2021-04-01 v1 计算机视觉与模式识别
摘要
患者特异性的左心室（LV）心肌模型有潜力用于多种临床场景以改善诊断和治疗方案。电影心脏磁共振（MR）成像提供高分辨率图像以重建患者特异性的LV心肌几何模型。随着深度学习的出现，从电影心脏MR图像中准确分割心腔以及在大批量图像数据集上通过无监督学习进行图像配准以估计心脏运动已成为可能。在此，我们提出一个基于深度学习的框架，利用 Automated Cardiac Diagnosis Challenge（ACDC）数据集，从电影心脏MR图像构建患者特异性的LV心肌几何模型。我们使用基于 VoxelMorph 的卷积神经网络（CNN）估计的形变场，将舒张末期（ED）帧的等值面网格和体网格传播到心动周期的后续帧。我们在每个心脏时相将基于CNN传播得到的模型与分割模型，以及使用另一种传统非刚性图像配准技术传播的模型进行了比较评估。
引用
@article{arxiv.2103.16695,
title = {CNN-based Cardiac Motion Extraction to Generate Deformable Geometric Left Ventricle Myocardial Models from Cine MRI},
author = {Roshan Reddy Upendra and Brian Jamison Wentz and Richard Simon and Suzanne M. Shontz and Cristian A. Linte},
journal= {arXiv preprint arXiv:2103.16695},
year = {2021}
}