从欠采样心脏 MR 图像联合估计运动与分割
图像与视频处理
2019-08-22 v1 计算机视觉与模式识别
摘要
加速磁共振成像（MRI）的采集是一个具有挑战性的问题，已有许多工作提出从欠采样 k 空间数据重建图像。然而，若主要目的是从图像中提取某些定量指标，只要图像能够提供提取临床相关指标的手段，完美的重建未必总是必要。在本文中，我们致力于直接从欠采样数据联合预测心脏运动估计与分割，这是定量评估心脏功能和诊断心血管疾病的两个重要步骤。具体而言，通过同时优化两项任务，学习了一个由运动估计分支与分割分支组成的统一模型。额外的对应全采样图像作为并行子网络引入网络中，以在训练过程中增强并引导学习。使用来自 220 名受试者的心脏 MR 图像的实验结果表明，所提模型对欠采样数据具有鲁棒性，能够在绕过常规图像重建阶段的同时，预测出接近全采样结果的结果。
引用
@article{arxiv.1908.07623,
title = {Joint Motion Estimation and Segmentation from Undersampled Cardiac MR Image},
author = {Chen Qin and Wenjia Bai and Jo Schlemper and Steffen E. Petersen and Stefan K. Piechnik and Stefan Neubauer and Daniel Rueckert},
journal= {arXiv preprint arXiv:1908.07623},
year = {2019}
}
备注
This work is published at MLMIR 2018: Machine Learning for Medical Image Reconstruction