用于时空与周期点匹配的流网络跟踪：在心脏运动分析中的应用
计算机视觉与模式识别
2018-07-10 v1
摘要
准确量化左心室(LV)形变/应变在定量评估心脏功能以用于诊断和治疗规划方面显示出重大前景(Jasaityte et al., 2013)。然而，由于包括从图像中导出跟踪标记以及在整个心动周期中跟随组织位置等相关的一系列问题，准确估计心肌组织位移并进而估计LV应变一直具有挑战性。在这项工作中，我们提出了一种点匹配方案，其中对应关系被建模为通过图形网络的流。心肌表面点被设置为网络中的节点，边在时间上定义邻域关系。新颖性在于对匹配方案施加的约束，这些约束使对应关系在整个心动周期中为一一对应，而不仅仅是两个连续帧之间。这些约束还鼓励运动具有周期性，这是LV运动的一个重要特征。我们通过将该方法应用于使用8个合成和8个开胸犬4D超声图像序列(后者在LV壁上植入了超声微晶体)进行定量LV位移和应变估计的验证。我们能够在合成数据集上实现出色的跟踪精度，并观察到与体内数据上基于晶体的应变具有良好的相关性。
引用
@article{arxiv.1807.02951,
title = {Flow Network Tracking for Spatiotemporal and Periodic Point Matching: Applied to Cardiac Motion Analysis},
author = {Nripesh Parajuli and Allen Lu and Kevinminh Ta and John C. Stendahl and Nabil Boutagy and Imran Alkhalil and Melissa Eberle and Geng-Shi Jeng and Maria Zontak and Matthew ODonnell and Albert J. Sinusas and James S. Duncan},
journal= {arXiv preprint arXiv:1807.02951},
year = {2018}
}
备注
Submitted manuscript to Medical Image Analysis Journal