DeepMesh：基于网格并利用深度学习的心脏运动追踪
图像与视频处理
2023-09-26 v1 计算机视觉与模式识别
摘要
从心脏电影磁共振（CMR）图像中进行三维运动估计，对于心功能评估和心血管疾病诊断十分重要。当前最先进的方法侧重于在图像空间中估计稠密的像素/体素级运动场，这忽略了运动估计仅在感兴趣的解剖对象（如心脏）内才具有相关性和实用性的事实。在本工作中，我们将心脏建模为由心外膜和心内膜表面组成的三维网格。我们提出了一种新颖的学习框架 DeepMesh，它将模板心脏网格传播到个体空间，并从 CMR 图像中估计个体受试者的心脏网格三维运动。在 DeepMesh 中，个体受试者舒张末帧的心脏网格首先从模板网格重建。然后，基于舒张末帧的网格化三维运动场由二维短轴和长轴 CMR 图像估计得到。通过开发可微分的网格到图像栅格化器，DeepMesh 能够利用来自多个解剖视图的二维形状信息进行三维网格重建和网格运动估计。所提方法估计顶点级位移，从而保持时间帧间的顶点对应关系，这对于不同受试者和人群的心功能定量评估十分重要。我们在 UK Biobank 获取的 CMR 图像上评估 DeepMesh。本工作聚焦于左心室的三维运动估计。实验结果表明，该方法在定量和定性上均优于其他基于图像和基于网格的心脏运动追踪方法。
引用
@article{arxiv.2309.14306,
title = {DeepMesh: Mesh-based Cardiac Motion Tracking using Deep Learning},
author = {Qingjie Meng and Wenjia Bai and Declan P O'Regan and and Daniel Rueckert},
journal= {arXiv preprint arXiv:2309.14306},
year = {2023}
}