基于隐式神经表示的腹主动脉瘤进展建模
图像与视频处理
2023-03-03 v1 计算机视觉与模式识别
机器学习
摘要
腹主动脉瘤（AAA）是腹主动脉的渐进性扩张，若不加治疗可能破裂并导致致命后果。需要基于影像的患者监测以筛选适合手术修复的患者。在这项工作中，我们提出一种基于隐式神经表示（INR）的模型来建模 AAA 进展。我们将随时间变化的 AAA 壁表示为有符号距离函数（SDF）的零水平集，该函数由作用于空间和时间上的多层感知机估计。我们利用纵向 CT 数据中自动提取的分割掩码来优化该 INR。该网络以时空坐标为条件，并以任意所需分辨率和任意时刻表示 AAA 表面。通过对 SDF 的空间和时间梯度进行正则化，我们确保 AAA 形状的合理插值。我们证明了该网络能够生成与以高度不规则间隔获取的图像平均表面距离在 0.72 至 2.52 mm 之间的 AAA 插值。结果表明，我们的模型能够准确插值随时间的 AAA 形状，对更个性化的 AAA 进展评估具有潜在临床价值。
引用
@article{arxiv.2303.01069,
title = {Implicit Neural Representations for Modeling of Abdominal Aortic Aneurysm Progression},
author = {Dieuwertje Alblas and Marieke Hofman and Christoph Brune and Kak Khee Yeung and Jelmer M. Wolterink},
journal= {arXiv preprint arXiv:2303.01069},
year = {2023}
}
备注
FIMH 2023 (submitted)