时间分辨三维超声追踪中表征学习技术的比较
图像与视频处理
2022-01-11 v1 计算机视觉与模式识别
机器学习
摘要
三维超声（3DUS）因其能够实时提供体积图像且不使用电离辐射，在放射治疗中的目标追踪方面正变得更具吸引力。它有可能无需使用基准标记即可用于追踪。为此，一种学习有意义表征的方法将有助于在表征空间（r-space）中识别不同时间帧下的解剖结构。在本研究中，使用常规自编码器、变分自编码器和切片 Wasserstein 自编码器将 3DUS 块约简为 128 维的 r-space。在 r-space 中，基于肝脏图像数据集考察并比较了分离不同超声块以及识别相似块的能力。提出了两种评估 r-space 中追踪能力的指标。结果表明，具有不同解剖结构的超声块可被区分，且相似块集合可在 r-space 中聚类。结果显示所研究的自编码器在 3DUS 目标追踪中具有不同程度的可用性。
引用
@article{arxiv.2201.03319,
title = {Comparison of Representation Learning Techniques for Tracking in time resolved 3D Ultrasound},
author = {Daniel Wulff and Jannis Hagenah and Floris Ernst},
journal= {arXiv preprint arXiv:2201.03319},
year = {2022}
}
备注
Presented at Medical Imaging with Deep Learning (MIDL) 2021