从无排序4DCT中解析可变呼吸运动
计算机视觉与模式识别
2024-07-02 v1
摘要
4DCT广泛用于许多临床应用，如放射治疗计划、PET和通气成像。然而，常规4DCT方法会将多个呼吸循环重建为单个任意呼吸循环，这可能导致各种畸变，影响下游临床应用。基于替代信号驱动的运动模型可基于4DCT中未排序的CT片段估计多个循环中持续可变的运动，但需要具有与内部运动强相关的呼吸替代信号，这并非总是可用。本研究提出的方法通过适应超梯度方法来优化替代信号作为超参数，从而消除了这种依赖，同时实现了更好或相当的性能，已在数字幻像模拟和真实患者数据上进行证明。我们的方法产生高质量的运动补偿图像，并估计整个图像获取期间的运动，包括呼吸间变异性。该方法有望提高下游临床应用的效果，也可用于没有存储呼吸信号的开放获取4DCT数据集的回溯分析。代码可在https://github.com/Yuliang-Huang/4DCT-irregular-motion访问。
引用
@article{arxiv.2407.00665,
title = {Resolving Variable Respiratory Motion From Unsorted 4D Computed Tomography},
author = {Yuliang Huang and Bjoern Eiben and Kris Thielemans and Jamie R. McClelland},
journal= {arXiv preprint arXiv:2407.00665},
year = {2024}
}
备注
Accepted by MICCAI 2024