面向无传感器自由手 3D 超声重建的自上下文与形状先验
计算机视觉与模式识别
2021-08-19 v2 图像与视频处理
摘要
3D 超声（US）因其丰富的诊断信息而被广泛使用。然而，其有限的视野受到诟病。3D 自由手超声重建通过提供大范围与自由形式扫描，有望解决该问题。现有的基于深度学习的方法仅关注技能序列的基本情形，且模型严重依赖训练数据。真实临床实践中的序列是多种技能的混合，并具有复杂的扫描路径。此外，深度模型应利用先验知识适应测试病例以提升鲁棒性，而非仅拟合训练病例。本文中，我们考虑复杂技能序列，提出了一种新颖的无传感器自由手 3D 超声重建方法。我们的贡献有三方面。首先，我们通过设计可微重建算法推进了一种新颖的在线学习框架。其实现了从切面序列到重建体的端到端优化。其次，开发了一种自监督学习方法来挖掘由测试数据自身重建所得的上下文信息，提升模型的感知能力。第三，受形状先验有效性的启发，我们还引入对抗训练以加强重建体中解剖形状先验的学习。通过挖掘测试数据的上下文与结构线索，我们的在线学习方法可驱动模型处理复杂技能序列。在发育性髋关节发育不良超声与胎儿超声数据集上的实验结果表明，我们所提方法在位移误差与路径相似度方面优于最先进的方法。
引用
@article{arxiv.2108.00274,
title = {Self Context and Shape Prior for Sensorless Freehand 3D Ultrasound Reconstruction},
author = {Mingyuan Luo and Xin Yang and Xiaoqiong Huang and Yuhao Huang and Yuxin Zou and Xindi Hu and Nishant Ravikumar and Alejandro F Frangi and Dong Ni},
journal= {arXiv preprint arXiv:2108.00274},
year = {2021}
}
备注
Early accepted by MICCAI-2021