用于学习4D胎儿MRI时间序列图谱的动态神经场
图像与视频处理
2023-11-15 v1 计算机视觉与模式识别
机器学习
摘要
我们提出了一种利用神经场快速构建生物医学图像图谱的方法。图谱是生物医学图像分析任务的关键，然而传统的和深度网络的估计方法仍然耗时。在这项初步工作中，我们将特定受试者的图谱构建表述为学习可变形时空观测的神经场。我们将该方法应用于学习宫内胎儿的特定受试者图谱以及动态BOLD MRI时间序列的运动稳定化。与现有工作相比，我们的方法以约5-7倍的更快收敛速度生成高质量的胎儿BOLD时间序列图谱。虽然我们的方法在解剖重叠方面略逊于经过良好调优的基线，但它显著更快地估计模板，从而能够对大规模4D动态MRI采集数据库进行快速处理和稳定化。代码可在 https://github.com/Kidrauh/neural-atlasing 获取。
引用
@article{arxiv.2311.02874,
title = {Dynamic Neural Fields for Learning Atlases of 4D Fetal MRI Time-series},
author = {Zeen Chi and Zhongxiao Cong and Clinton J. Wang and Yingcheng Liu and Esra Abaci Turk and P. Ellen Grant and S. Mazdak Abulnaga and Polina Golland and Neel Dey},
journal= {arXiv preprint arXiv:2311.02874},
year = {2023}
}
备注
6 pages, 2 figures. Accepted by Medical Imaging Meets NeurIPS 2023