基于2D稀疏心脏磁共振成像的神经网络可变形模型用于三维双心室心脏形状重建与建模
计算机视觉与模式识别
2024-11-25 v3
摘要
我们提出一种新颖的神经可变形模型（NDM），旨在从2D稀疏心脏磁共振（CMR）成像数据重建并建模心脏的三维双心室形状。我们使用混合可变形超二次曲面建模双心室形状，其由一组几何参数函数参数化，并能够全局与局部变形。全局几何参数函数与变形从视觉数据捕捉总体形状特征，而局部变形参数化为神经微分同胚点流，可学习以恢复精细心脏形状。与常规可变形模型公式中所用的迭代优化方法不同，NDM可训练以从形状分布流形学习此类几何参数函数、全局与局部变形。我们的NDM能学习对任意尺度的稀疏心脏点云进行稠密化，并自动生成高质量三角网格。它还支持在不同心脏形状实例间隐式学习稠密对应以实现精确心脏形状配准。此外，NDM的参数直观，可供医师使用而无需复杂后处理。在大型CMR数据集上的实验结果表明NDM优于常规方法。
引用
@article{arxiv.2307.07693,
title = {Neural Deformable Models for 3D Bi-Ventricular Heart Shape Reconstruction and Modeling from 2D Sparse Cardiac Magnetic Resonance Imaging},
author = {Meng Ye and Dong Yang and Mikael Kanski and Leon Axel and Dimitris Metaxas},
journal= {arXiv preprint arXiv:2307.07693},
year = {2024}
}
备注
Accepted by ICCV 2023