用于四维心血管成像中连续周期性运动估计的神经场

时间分辨三维流动磁共振成像（4D flow MRI）提供了一种独特的非侵入性解决方案，用于可视化和量化血管（如主动脉弓）中的血流动力学。然而，由于难以获得完整心动周期的分割，目前大多数动脉 4D flow MRI 分析方法使用静态动脉壁。为了克服这一限制，我们提出了一种基于神经场的方法，直接估计整个心动周期中连续的周期性管壁变形。对于一个三维+时间成像数据集，我们优化了一个隐式神经表征（INR），该表征表示一个随时间变化的速度矢量场（VVF）。使用常微分方程求解器将 VVF 积分为一个变形矢量场（DVF），该 DVF 可以随时间变形图像、分割掩膜或网格，从而可视化和量化局部管壁运动模式。为了正确反映三维+时间心血管数据的周期性，我们通过两种方式施加周期性。首先，通过对 INR 的时间输入进行周期性编码，从而对 VVF 进行周期性编码。其次，通过对 DVF 进行正则化。我们在具有不同周期性模式的合成数据、心电门控 CT 和 4D flow MRI 数据上证明了这种方法的有效性。所获得的方法可用于改进 4D flow MRI 分析。