基于具解剖物理结构先验的深度强化学习增强三维MRI中胎儿姿态检测
计算机视觉与模式识别
2020-07-17 v1 图像与视频处理
摘要
胎儿MRI受到不可预测且剧烈的胎儿运动的严重制约，这会导致图像伪影并限制可用诊断图像对比度的范围。目前对运动伪影的缓解主要依赖于快速单-shot MRI和回顾性运动校正。在MRI期间实时估计胎儿姿态，有利于采用前瞻性方法检测和缓解胎儿运动伪影，其中推断的胎儿运动与低延迟决策的在线切片规划相结合。深度强化学习（DRL）的当前进展为胎儿标志点检测提供了新方法。在该任务中，部署15个智能体通过DRL同时检测15个标志点。优化具有挑战性，在此我们提出了一种改进的DRL，其融入了胎儿身体物理结构的先验。首先，我们使用图通信层基于以每个节点代表一个胎儿身体标志点的图来改进智能体间的通信。此外，基于智能体与胎儿肢体等物理结构之间距离的额外奖励被用于充分利用物理结构。该方法在分辨率为3-mm的体内数据仓储上的评估表明，标志点估计距真值10 mm内的平均准确率为87.3%，平均误差为6.9 mm。所提出的用于胎儿姿态标志点搜索的DRL展示了用于在线检测胎儿运动的潜在临床效用，可指导MRI中对运动伪影的实时缓解以及孕妇的健康诊断。
引用
@article{arxiv.2007.08146,
title = {Enhanced detection of fetal pose in 3D MRI by Deep Reinforcement Learning with physical structure priors on anatomy},
author = {Molin Zhang and Junshen Xu and Esra Abaci Turk and P. Ellen Grant and Polina Golland and Elfar Adalsteinsson},
journal= {arXiv preprint arXiv:2007.08146},
year = {2020}
}
备注
10 pages, 3 figures, MICCAI 2020