知识越多越好：用于心内超声轮廓勾画的交叉模态体数据补全与 3D+2D 分割
计算机视觉与模式识别
2022-03-24 v3
摘要
使用导管消融治疗心房颤动日益依赖心内超声（ICE）对左心房及进入心房的肺静脉进行解剖学描划。然而，由于 ICE 噪声大且仅提供 3D 解剖结构的有限 2D 视图，构建自动勾画算法是一项挑战。本工作提供了首个从 ICE 中分割左心房与肺静脉的自动解决方案。在该方案中，我们展示了构建可利用诊断图像数据库以补充较少可用的介入图像的交叉模态框架的益处。为此，我们开发了一种新颖的深度神经网络方法，其利用（i）嵌入 ICE 导管中的位置传感器所提供的 3D 几何信息，以及（ii）一组计算机断层扫描心脏体数据所提供的 3D 图像外观信息。我们在从 150 名临床患者收集的 11,000 张 ICE 图像上评估了所提方法。实验结果表明，我们的模型显著优于直接的 2D 图像到图像深度神经网络分割，尤其对于较少被观察到的结构。
引用
@article{arxiv.1812.03507,
title = {More Knowledge is Better: Cross-Modality Volume Completion and 3D+2D Segmentation for Intracardiac Echocardiography Contouring},
author = {Haofu Liao and Yucheng Tang and Gareth Funka-Lea and Jiebo Luo and Shaohua Kevin Zhou},
journal= {arXiv preprint arXiv:1812.03507},
year = {2022}
}