胎儿镜视频的深度序贯拼接
图像与视频处理
2019-10-22 v1 计算机视觉与模式识别
机器学习
机器学习
摘要
双胎输血综合征的治疗需要对胎盘血管吻合口进行胎儿镜激光光凝以调节对两个胎儿的血流。胎儿镜期间有限的视场（FoV）和低视觉质量使得识别所有血管连接具有挑战性。拼接可以将多个重叠图像对齐以生成视场增大的图像，然而现有技术由于低视觉质量、纹理匮乏而难以应用于胎儿镜，并因此由于随时间累积的漂移而在较长序列中失败。深度学习技术可有助于克服这些挑战。因此，我们提出了一种新的通用深度序贯拼接（DSM）框架，用于不同设置（如模拟、体模和真实环境）下捕获的胎儿镜视频。DSM 通过提出受控数据增强和离群值拒绝方法，将现有的基于深度图像的单应性模型扩展到序列数据。与现有方法不同，DSM 能处理由于镜面高光和相邻帧间反射引起的视觉变化，从而减少累积漂移。我们使用 5 段不同的胎儿镜视频进行实验验证与比较，以证明我们框架的鲁棒性。
引用
@article{arxiv.1907.06543,
title = {Deep Sequential Mosaicking of Fetoscopic Videos},
author = {Sophia Bano and Francisco Vasconcelos and Marcel Tella Amo and George Dwyer and Caspar Gruijthuijsen and Jan Deprest and Sebastien Ourselin and Emmanuel Vander Poorten and Tom Vercauteren and Danail Stoyanov},
journal= {arXiv preprint arXiv:1907.06543},
year = {2019}
}
备注
Accepted at MICCAI 2019