基于深度上下文学习的无传感器徒手三维超声重建
计算机视觉与模式识别
2020-06-16 v1 图像与视频处理
摘要
经直肠超声(US)是引导前列腺活检最常用的成像方式，其3D体积提供更丰富的上下文信息。当前从徒手超声扫描重建3D体积的方法需要外部跟踪设备来提供每帧的空间位置。本文提出深度上下文学习网络(DCL-Net)，能有效利用超声帧之间的图像特征关系，无需任何跟踪设备即可重建3D超声体积。所提出的DCL-Net利用3D卷积对超声视频片段进行特征提取。嵌入的自注意力模块使网络关注散斑丰富区域以更好地预测空间运动。我们还提出一种新颖的逐案例相关损失来稳定训练过程以提高精度。使用所开发的方法获得了非常有希望的结果。消融实验通过与其它最先进方法的比较证明了所提出方法的优越性能。本工作的源代码公开在https://github.com/DIAL-RPI/FreehandUSRecon。
引用
@article{arxiv.2006.07694,
title = {Sensorless Freehand 3D Ultrasound Reconstruction via Deep Contextual Learning},
author = {Hengtao Guo and Sheng Xu and Bradford Wood and Pingkun Yan},
journal= {arXiv preprint arXiv:2006.07694},
year = {2020}
}
备注
Provisionally accepted by MICCAI 2020