基于多视角血管造影序列的心脏周期同步端到端深度学习模型
计算机视觉与模式识别
2020-09-08 v1
摘要
冠状动脉的动态重建（3D+T）可为临床医生提供重要的灌注细节。不同视角的时间匹配（可能并非同时采集）是冠状动脉段精确立体匹配的先决条件。本文展示了如何仅使用原始 X 射线血管造影视频，从血管造影序列训练神经网络以在心脏周期内同步不同视角。首先，我们用血管造影序列训练神经网络模型以提取描述心脏周期进程的特征。然后，我们计算第一视角每帧特征向量与第二视角每帧特征向量之间的距离，生成显示条纹图案的距离图。利用路径搜索，我们提取两个视频各帧之间最佳的时间相干关联。最后，我们将评估集的同步帧与 ECG 信号比较，显示出 96.04% 的对齐准确率。
引用
@article{arxiv.2009.02345,
title = {End-to-End Deep Learning Model for Cardiac Cycle Synchronization from Multi-View Angiographic Sequences},
author = {Raphaël Royer-Rivard and Fantin Girard and Nagib Dahdah and Farida Cheriet},
journal= {arXiv preprint arXiv:2009.02345},
year = {2020}
}