用于心肌速度成像左室勾画的三维嵌入式注意力 RNN（3D-EAR）分割器
图像与视频处理
2021-04-28 v1 计算机视觉与模式识别
摘要
心肌速度成像心脏磁共振（MVM-CMR）可用于测量全局与局部心肌速度，其可重复性已得到证实。准确的左室勾画是稳健且可重复的心肌速度估计的先决条件。该数据集上的常规人工分割耗时且主观，因此亟需一种有效的全自动勾画方法。通过借助近期提出的基于深度学习的语义分割方法，在本研究中我们提出了一种新颖的全自动框架，将 3D-UNet 骨干架构与嵌入式多通道注意力机制及基于 LSTM 的循环神经网络（RNN）相结合用于 MVM-CMR 数据集（称为 3D-EAR 分割器）。所提方法还利用幅值与相位图像的融合作为输入，以实现该多通道数据集的信息融合，并通过嵌入式 RNN 挖掘时间帧间的相关性。通过与 3D-UNet 基线模型以及含或不含嵌入式注意力 LSTM 模块和不同损失函数的消融实验对比，我们证明所提模型显著优于 SOTA 基线模型。
引用
@article{arxiv.2104.13214,
title = {Three-Dimensional Embedded Attentive RNN (3D-EAR) Segmentor for Left Ventricle Delineation from Myocardial Velocity Mapping},
author = {Mengmeng Kuang and Yinzhe Wu and Diego Alonso-Álvarez and David Firmin and Jennifer Keegan and Peter Gatehouse and Guang Yang},
journal= {arXiv preprint arXiv:2104.13214},
year = {2021}
}
备注
8 pages, 4 figures, Functional Imaging and Modeling of the Heart