时空心脏统计形状建模：一种数据驱动方法
摘要
对解剖结构随时间变化的临床研究可从群体水平的形状量化（即时空统计形状建模，SSM）中极大获益。此类工具能够刻画患者器官周期或疾病进展与感兴趣队列的关系。构建形状模型需要建立定量的形状表示（例如对应地标）。基于粒子的形状建模（PSM）是一种数据驱动的 SSM 方法，通过优化地标放置来捕捉群体水平的形状变化。然而，它假设横断面研究设计，因此在表示随时间形状变化方面统计功效有限。现有的时空或纵向形状变化建模方法需要预定义的形状图谱和通常横断面构建的预建形状模型。本文提出一种受 PSM 方法启发的数据驱动方法，直接从形状数据中学习群体水平的时空形状变化。我们引入了一种新颖的 SSM 优化方案，产生在群体间（受试者间）和时间序列间（受试者内）均对应的地标。我们将所提方法应用于房颤患者的 4D 心脏数据，并证明其在表示左心房动态变化方面的有效性。此外，我们表明，相对于生成式时间序列模型线性动力系统（LDS），我们的方法在时空 SSM 方面优于基于图像的方法。使用通过我们的方法优化的时空形状模型拟合的 LDS 提供了更好的泛化性和特异性，表明其准确捕捉了底层的时间依赖性。
引用
@article{arxiv.2209.02736,
title = {Spatiotemporal Cardiac Statistical Shape Modeling: A Data-Driven Approach},
author = {Jadie Adams and Nawazish Khan and Alan Morris and Shireen Elhabian},
journal= {arXiv preprint arXiv:2209.02736},
year = {2022}
}
备注
Accepted in the Statistical Atlases and Computational Modeling of the Heart (STACOM) workshop, part of the 25th International Conference on Medical Image Computing and Computer Assisted Intervention, MICCAI 2022. To be published in a Lecture Notes in Computer Science proceeding published by Springer