DefCor-Net:物理感知的超声形变校正网络
图像与视频处理
2023-08-09 v1 计算机视觉与模式识别
摘要
从形变图像中恢复形态准确的解剖图像在超声(US)图像采集中具有挑战性,但对准确且一致的诊断至关重要,尤其在新兴的计算机辅助诊断领域。本文提出一种基于由粗到细多尺度深度神经网络(DefCor-Net)的新颖解剖感知形变校正方法。为实现像素级性能,DefCor-Net通过U形特征提取器在线估计像素级刚度,从而融入生物医学知识。随后,利用多项式回归并积分超声探头所施加的测量力来计算形变场。基于逐像素组织特性的实时估计,该基于学习的方法实现了解剖感知形变校正的潜力。为证明所提DefCor-Net的有效性,我们使用六名志愿者前臂与上臂多处记录的图像来训练并验证DefCor-Net。结果表明,DefCor-Net能显著提升形变校正以恢复原始几何形状的精度(当力为时,Dice系数:从提升至)。
引用
@article{arxiv.2308.03865,
title = {DefCor-Net: Physics-Aware Ultrasound Deformation Correction},
author = {Zhongliang Jiang and Yue Zhou and Dongliang Cao and Nassir Navab},
journal= {arXiv preprint arXiv:2308.03865},
year = {2023}
}
备注
Accepted by MedIA. code is available