MulViMotion：基于多视图心脏 MRI 的形状感知三维心肌运动追踪
图像与视频处理
2022-08-02 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）成像中恢复心脏的三维运动能够评估局部心肌功能，并对理解与分析心血管疾病十分重要。然而，三维心脏运动估计具有挑战性，因为所获取的电影 CMR 图像通常为 2D 切片，限制了平面外运动的准确估计。为解决这个问题，我们提出了一种新颖的多视图运动估计网络（MulViMotion），它整合短轴和长轴平面获取的 2D 电影 CMR 图像以学习心脏一致的三维运动场。在所提方法中，构建了一个混合 2D/3D 网络，通过从多视图图像学习融合表示来生成稠密三维运动场。为确保运动估计在三维中一致，训练时引入了形状正则化模块，其中利用多视图图像的形状信息为三维运动估计提供弱监督。我们在 UK Biobank 研究中 580 名受试者的 2D 电影 CMR 图像上广泛评估了所提方法，用于左心室心肌的三维运动追踪。实验结果表明，所提方法在定量和定性上均优于对比方法。
引用
@article{arxiv.2208.00034,
title = {MulViMotion: Shape-aware 3D Myocardial Motion Tracking from Multi-View Cardiac MRI},
author = {Qingjie Meng and Chen Qin and Wenjia Bai and Tianrui Liu and Antonio de Marvao and Declan P O'Regan and Daniel Rueckert},
journal= {arXiv preprint arXiv:2208.00034},
year = {2022}
}