关于超声图像切片在点分布模型中的定位
图像与视频处理
2023-09-04 v1 计算机视觉与模式识别
摘要
甲状腺疾病最常用高分辨率超声（US）诊断。纵向结节追踪是监测病理性甲状腺形态变化的关键诊断流程。然而，由于维持器官心理三维重建的固有挑战，该任务给临床医生带来沉重认知负担。因此我们提出一个在三维形状表示内自动定位 US 图像切片的框架，以简化此类超声诊断的执行方式。我们提出的方法通过对比度量学习，学习 US 图像块与个体甲状腺形状三维表面或统计形状模型（SSM）形式统计聚合之间的公共潜在嵌入空间。利用跨模态配准和 Procrustes 分析，我们借助模型特征将 US 切片配准到甲状腺形状的三维网格表示。我们证明多模态配准框架可在患者特定器官的三维表面拓扑及 SSM 平均形状上定位图像。实验结果表明，切片位置可在患者特定三维解剖上平均 1.2 mm、在 SSM 上平均 4.6 mm 内预测至真实切片位置，体现了其在超声采集期间切片定位的实用性。代码公开可用：\href{https://github.com/vuenc/slice-to-shape}{https://github.com/vuenc/slice-to-shape}
引用
@article{arxiv.2309.00372,
title = {On the Localization of Ultrasound Image Slices within Point Distribution Models},
author = {Lennart Bastian and Vincent Bürgin and Ha Young Kim and Alexander Baumann and Benjamin Busam and Mahdi Saleh and Nassir Navab},
journal= {arXiv preprint arXiv:2309.00372},
year = {2023}
}
备注
ShapeMI Workshop @ MICCAI 2023; 12 pages 2 figures