基于深度学习的心脏MRI中网格化三维运动追踪
图像与视频处理
2022-09-07 v1 计算机视觉与模式识别
机器学习
摘要
从电影心脏磁共振(CMR)图像中进行三维运动估计对于心功能评估和心血管疾病诊断十分重要。以往多数方法关注于在全图像空间中估计像素/体素级运动场,忽略了运动估计主要在感兴趣对象(如心脏)内相关且有用的特点。本工作中,我们将心脏建模为三维几何网格,并提出一种新颖的基于深度学习的方法,可从二维短轴和长轴CMR图像估计心脏网格的三维运动。通过开发可微分的网格到图像光栅化器,该方法能够利用来自二维多视图CMR图像的解剖形状信息进行三维运动估计。光栅化器的可微性使我们能够端到端地训练该方法。所提方法的一个优势在于,通过追踪每个顶点的运动,它能够保持各时间帧间三维网格的顶点对应性,这对于网格上心功能的定量评估十分重要。我们在UK Biobank研究的CMR图像上评估了所提方法。实验结果表明,该方法在定量与定性上均优于传统的和基于学习的心脏运动追踪方法。
引用
@article{arxiv.2209.02004,
title = {Mesh-based 3D Motion Tracking in Cardiac MRI using Deep Learning},
author = {Qingjie Meng and Wenjia Bai and Tianrui Liu and Declan P O'Regan and Daniel Rueckert},
journal= {arXiv preprint arXiv:2209.02004},
year = {2022}
}