在深度学习时代，仅配准原始标记磁共振图像是否足以进行应变估计？
图像与视频处理
2024-02-01 v1 计算机视觉与模式识别
摘要
带有标记的磁共振成像 (tMRI) 长期以来被用于量化组织在形变过程中的运动和应变。然而，一种被称为标记衰减的现象，即标记的可见性随时间逐渐降低，常常使后处理变得复杂。本研究的第一个贡献是通过考虑 弛豫与连续成像序列中射频 (RF) 脉冲的重复应用之间的相互作用，对标记衰减进行建模。这是以往 tMRI 后处理研究中被忽视的一个因素。此外，我们观察到一种新兴趋势，即在基于深度学习 (DL) 的配准框架内利用原始标记 MRI 进行运动估计。在这项工作中，我们评估并分析了在原始 tMRI 上训练 DL 配准时常用图像相似性目标的影响。然后将其与谐波相位方法进行了比较，这是一种传统方法，据称对标记衰减具有鲁棒性。我们的发现来自模拟图像和实际体模扫描，揭示了原始 tMRI 中各种相似性损失的局限性，并强调在图像强度随时间变化的配准任务中需要保持谨慎。
引用
@article{arxiv.2401.17571,
title = {Is Registering Raw Tagged-MR Enough for Strain Estimation in the Era of Deep Learning?},
author = {Zhangxing Bian and Ahmed Alshareef and Shuwen Wei and Junyu Chen and Yuli Wang and Jonghye Woo and Dzung L. Pham and Jiachen Zhuo and Aaron Carass and Jerry L. Prince},
journal= {arXiv preprint arXiv:2401.17571},
year = {2024}
}
备注
Accepted to SPIE Medical Imaging 2024 (oral)