用于超声心动图密集追踪的神经多尺度自监督配准
计算机视觉与模式识别
2019-06-19 v1 机器学习
神经与进化计算
图像与视频处理
摘要
超声心动图已常规用于心肌病和异常心脏血流的诊断。然而，从超声心动图手动测量心肌运动和心脏血流既耗时又易错。能够自动追踪和量化心肌运动与心脏血流的计算机算法需求迫切，但由于超声心动图的噪声和高变异性，一直未很成功。本工作中，我们提出一种神经多尺度自监督配准（NMSR）方法，用于心肌和心脏血流的自动化密集追踪。NMSR 包含两个新颖组件：1）利用深度神经网络参数化两图像帧间的速度场；2）以顺序多尺度方式优化神经网络参数，以应对速度场内的巨大变化。实验表明，对于心肌和心脏血流的密集追踪，NMSR 的配准精度显著优于最先进的方法，如高级归一化工具（ANTs）和 VoxelMorph。我们的方法有望为超声心动图的快速准确分析提供全自动化方法。
引用
@article{arxiv.1906.07357,
title = {Neural Multi-Scale Self-Supervised Registration for Echocardiogram Dense Tracking},
author = {Wentao Zhu and Yufang Huang and Mani A Vannan and Shizhen Liu and Daguang Xu and Wei Fan and Zhen Qian and Xiaohui Xie},
journal= {arXiv preprint arXiv:1906.07357},
year = {2019}
}
备注
Blood tracking video: https://youtu.be/pEA6ZmtTNuQ Muscle tracking video: https://youtu.be/NvLrCaqCiAE