基于学习的特征点配准用于胎儿镜拼接
图像与视频处理
2022-07-28 v1 计算机视觉与模式识别
摘要
在双胎输血综合征（TTTS）中，单绒毛膜胎盘中的异常血管吻合可导致两胎儿间血流不均。当前临床中，TTTS 通过激光消融封闭异常吻合进行手术治疗。该手术为微创并依赖胎儿镜。有限的视野使外科医生难以识别吻合。为应对此挑战，我们提出了一种基于学习的体内胎儿镜帧配准框架以扩展视野。该框架的新颖性在于基于学习的特征点提议网络以及一种编码策略，用于过滤（i）基于胎儿镜图像分割的无关特征点和（ii）不一致的单应矩阵。我们在来自 6 名不同女性的 6 例 TTTS 手术的 6 个术中序列数据集上，针对最新基于胎盘血管分割的 SOTA 算法验证了框架。所提框架相比 SOTA 取得了更高性能，为在 TTTS 手术中提供上下文感知的鲁棒拼接铺平了道路。
引用
@article{arxiv.2207.13185,
title = {Learning-Based Keypoint Registration for Fetoscopic Mosaicking},
author = {Alessandro Casella and Sophia Bano and Francisco Vasconcelos and Anna L. David and Dario Paladini and Jan Deprest and Elena De Momi and Leonardo S. Mattos and Sara Moccia and Danail Stoyanov},
journal= {arXiv preprint arXiv:2207.13185},
year = {2022}
}