无中间帧的 4D 医学图像数据高效无监督插值
图像与视频处理
2024-04-03 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
4D 医学图像代表了带有时间信息的 3D 图像，在临床实践中至关重要，用于捕捉动态变化和监测疾病的长期进程。然而，获取 4D 医学图像面临诱发剂量和成像时间等挑战，需在实现高时间分辨率与最小化不良影响之间取得平衡。在这种情况下，数据获取本身就具有挑战性，而且增加每个数据集的帧率也十分困难。为此，本文提出一种简单而有效的无监督体积插值框架——UVI-Net。该框架无需任何中间帧即可实现时间插值，区别于大多数现有无监督方法。实验在基准数据集上表明，与无监督和有监督基线方法相比，本方法在多种评估指标上显著提升。值得注意的是，即使仅使用一个数据集进行训练，UVI-Net 也能实现卓越的性能，凸显其在稀疏监督情景下的极强鲁棒性和效率。这为 4D 医学成像提供了有力替代方案，尤其适用于数据获取受限的场景。源代码已公开于 https://github.com/jungeun122333/UVI-Net。
引用
@article{arxiv.2404.01464,
title = {Data-Efficient Unsupervised Interpolation Without Any Intermediate Frame for 4D Medical Images},
author = {JungEun Kim and Hangyul Yoon and Geondo Park and Kyungsu Kim and Eunho Yang},
journal= {arXiv preprint arXiv:2404.01464},
year = {2024}
}
备注
CVPR 2024