利用生物力学信息建模从图像中学习心脏运动对应关系

从图像中学习心脏运动中的时空对应关系对于理解心脏解剖结构的基本动力学至关重要。许多方法显式地对位移矢量场（DVF）施加如 $\mathcal{L}_2$ 范数之类的平滑约束，但通常忽略变换中的生物力学可行性。其他几何约束要么正则化特定感兴趣区域（如对着心肌施加不可压缩性），要么引入额外步骤（如在物理模拟数据集上训练独立的基于网络的正则化器）。在本工作中，我们提出一种显式的生物力学信息先验，作为对预测 DVF 的正则化，在所有心脏结构内建模更具通用生物力学可行性的变换，且不引入额外的训练复杂度。我们在两个公开可用的 2D MRI 数据集上验证我们的方法，并开展大量实验以说明所提方法相较于其他竞争正则化方案的有效性与鲁棒性。通过视觉评估，我们的方法更好地保留了生物力学特性，并在使用定量评价指标的分割性能上显示出优势。代码公开于 \url{https://github.com/Voldemort108X/bioinformed_reg}。