DeepTag：一种用于心脏标记磁共振图像运动追踪的无监督深度学习方法
计算机视觉与模式识别
2021-04-20 v4
摘要
心脏标记磁共振成像(t-MRI)是局部心肌形变与心脏应变估计的金标准。然而，由于t-MRI图像运动追踪的困难，该技术尚未广泛用于临床诊断。本文提出一种新颖的基于深度学习的全无监督方法，用于t-MRI图像的体内运动追踪。我们首先通过双向生成式微分同胚配准神经网络估计任意两个连续t-MRI帧之间的运动场(INF)。利用该结果，我们随后通过可微组合层估计参考帧与任意其他帧之间的拉格朗日运动场。通过利用时间信息对时空运动场进行合理估计，该新颖方法为动态医学成像中的运动追踪与图像配准提供了有用的解决方案。我们的方法已在一个具代表性的临床t-MRI数据集上验证；实验结果表明，在标志点追踪精度与推理效率方面，我们的方法优于传统运动追踪方法。
引用
@article{arxiv.2103.02772,
title = {DeepTag: An Unsupervised Deep Learning Method for Motion Tracking on Cardiac Tagging Magnetic Resonance Images},
author = {Meng Ye and Mikael Kanski and Dong Yang and Qi Chang and Zhennan Yan and Qiaoying Huang and Leon Axel and Dimitris Metaxas},
journal= {arXiv preprint arXiv:2103.02772},
year = {2021}
}
备注
CVPR 2021 Oral