DMCVR：用于三维心脏体积重建的形态引导扩散模型
图像与视频处理
2023-08-21 v1 计算机视觉与模式识别
机器学习
摘要
从电影磁共振成像（cMRI）准确重建三维心脏对于改进心血管疾病诊断和了解心脏运动至关重要。然而，临床环境中当前基于心脏 MRI 的重建技术是二维的，平面外分辨率有限，导致重建的心脏体积质量低。为了更好地从稀疏二维图像栈重建三维心脏体积，我们提出了一种用于三维心脏体积重建的形态引导扩散模型 DMCVR，其合成高分辨率二维图像及相应的三维重建体积。我们的方法通过将心脏形态条件化于生成模型、消除潜码耗时的迭代优化过程并提升生成质量，优于先前的方法。学习到的潜空间提供全局语义、局部心脏形态以及每个二维 cMRI 切片的细节，具有高度可解释的价值以重建三维心脏形状。我们的实验表明 DMCVR 在二维生成和三维重建性能等多个方面高度有效。借助 DMCVR，我们可以生成高分辨率三维心脏 MRI 重建结果，超越当前技术。我们提出的框架在提高心脏疾病诊断和治疗规划准确性方面具有巨大潜力。代码可在 https://github.com/hexiaoxiao-cs/DMCVR 获取。
引用
@article{arxiv.2308.09223,
title = {DMCVR: Morphology-Guided Diffusion Model for 3D Cardiac Volume Reconstruction},
author = {Xiaoxiao He and Chaowei Tan and Ligong Han and Bo Liu and Leon Axel and Kang Li and Dimitris N. Metaxas},
journal= {arXiv preprint arXiv:2308.09223},
year = {2023}
}
备注
Accepted in MICCAI 2023