Rust 驱动的多模态心脏图像融合与配准工具包
计算机视觉与模式识别
2025-10-09 v1 医学物理
摘要
将互补成像模态结合起来对于构建可靠的 3D 冠状动脉模型至关重要：内血成像提供亚毫米分辨率，但仅能提供有限的整脉 context，而 CCTA 则提供 3D 几何，但因空间分辨率不足及伪影（如花冠效应）而受限。先前工作已证明内血/CCTA 融合，但尚无开源、灵活的工具包专为多状态分析（静息/应激，术前/术后支架置入）设计，同时提供确定性行为、高性能及简便的管道集成。multimodars 采用确定性配准算法、紧凑的 NumPy 中心数据模型，以及优化的 Rust 后端，适用于可扩展、可复现的实验。该软件包接受 CSV/NumPy 输入，包括由 AIVUS-CAA 软件生成的数据格式。
引用
@article{arxiv.2510.06241,
title = {multimodars: A Rust-powered toolkit for multi-modality cardiac image fusion and registration},
author = {Anselm W. Stark and Marc Ilic and Ali Mokhtari and Pooya Mohammadi Kazaj and Christoph Graeni and Isaac Shiri},
journal= {arXiv preprint arXiv:2510.06241},
year = {2025}
}