SVoRT：用于胎儿脑 MRI 中切片到体积配准的迭代 Transformer
图像与视频处理
2022-06-23 v1 计算机视觉与模式识别
摘要
从多组 MR 切片体素重建胎儿大脑，由于采集时几乎不可预测且常严重的受试者运动，是一项极具挑战的任务，且对切片到体积变换的初始化高度敏感。我们提出一种新颖的切片到体积配准方法，使用在合成变换数据上训练的 Transformer，将多组 MR 切片建模为序列。借助注意力机制，我们的模型自动检测切片间相关性，并利用其他切片的信息预测某一切片的变换。我们还估计底层 3D 体积以辅助切片到体积配准，并交替更新体积与变换以提升精度。合成数据结果表明，与现有 SOTA 方法相比，我们的方法实现了更低的配准误差与更好的重建质量。真实世界 MRI 数据实验也证明了所提模型在严重胎儿运动下改善 3D 重建质量的能力。
引用
@article{arxiv.2206.10802,
title = {SVoRT: Iterative Transformer for Slice-to-Volume Registration in Fetal Brain MRI},
author = {Junshen Xu and Daniel Moyer and P. Ellen Grant and Polina Golland and Juan Eugenio Iglesias and Elfar Adalsteinsson},
journal= {arXiv preprint arXiv:2206.10802},
year = {2022}
}
备注
Accepted by MICCAI 2022