基于生物力学先验潜空间探索的生成式心肌运动追踪
图像与视频处理
2022-06-09 v1 计算机视觉与模式识别
摘要
心肌运动与形变是表征心脏功能的丰富描述符。图像配准作为最常用的心肌运动追踪技术，是一个病态逆问题，通常需要对解空间施加先验假设。与大多数施加显式通用正则化（如平滑性）的现有方法不同，本工作提出一种新颖方法，可隐式学习特定应用的生物力学知情先验，并将其嵌入由神经网络参数化的变换模型中。特别地，所提方法利用基于变分自编码器的生成模型学习生物力学合理形变的流形。随后可通过遍历所学流形来搜索最优变换，同时考虑序列信息，从而实现运动追踪。所提方法在三个公开心脏电影 MRI 数据集上通过综合评估得到验证。结果表明，所提方法可优于其他途径，在合理体积保持下取得更高运动追踪精度，并对不同数据分布具有更好泛化性。它还能更好地估计心肌应变，表明该方法在表征时空特征以理解心血管疾病方面的潜力。
引用
@article{arxiv.2206.03830,
title = {Generative Myocardial Motion Tracking via Latent Space Exploration with Biomechanics-informed Prior},
author = {Chen Qin and Shuo Wang and Chen Chen and Wenjia Bai and Daniel Rueckert},
journal= {arXiv preprint arXiv:2206.03830},
year = {2022}
}
备注
Under review