基于高斯表征的自监督胎儿MRI切片到体重建
计算机视觉与模式识别
2026-04-13 v2 人工智能
摘要
从受运动失真的二维切片堆叠中重建三维胎儿MR体积是一项关键且具有挑战性的任务。传统的切片到体积（SVR）方法耗时且需要多个正交切片堆叠进行重建。虽然基于学习的SVR方法在推理阶段显著缩短了所需时间，但它们严重依赖训练时的真实标签信息，而在实际中难以获取。为此，我们提出GaussianSVR，一个面向切片到体积重建的自监督框架。GaussianSVR采用三维高斯表征来实现高保真度重建。它利用模拟的前向切片获取模型实现自监督训练，缓解了对真实体积标签的依赖。此外，为提升准确性和效率，我们引入了多分辨率训练策略，在不同分辨率水平上联合优化高斯参数和空间变换。实验表明，GaussianSVR在胎儿MR体积重建方面优于基线方法。代码已公开于https://github.com/Yinsong0510/GaussianSVR-Self-Supervised-Slice-to-Volume-Reconstruction-with-Gaussian-Representations。
引用
@article{arxiv.2601.22990,
title = {Self-Supervised Slice-to-Volume Reconstruction with Gaussian Representations for Fetal MRI},
author = {Yinsong Wang and Thomas Fletcher and Xinzhe Luo and Aine Travers Dineen and Rhodri Cusack and Chen Qin},
journal= {arXiv preprint arXiv:2601.22990},
year = {2026}
}