基于视图间空间关系的自监督训练心脏MR成像自动视图规划器
图像与视频处理
2021-09-27 v1 计算机视觉与模式识别
摘要
心脏磁共振成像（CMR）采集的视图规划需要熟悉心脏解剖结构，在临床实践中仍是一项具有挑战性的任务。现有的自动化方法要么依赖于临床常规中通常不获取的额外体积图像，要么依赖于对心脏结构标志点的费力手动标注。本工作提出了一种临床兼容且无需标注的自动 CMR 视图规划系统。该系统挖掘源视图与目标视图之间的空间关系——更具体地，定位并利用它们之间的交线——并训练深度网络回归由这些交线定义的热图。由于空间关系正确存储的数据中自带（例如 DICOM 格式），因此消除了手动标注的需要。随后，提出一种多视图规划策略，聚合目标视图所有源视图预测热图的信息，以实现全局最优的处方。这种多视图聚合模拟了熟练人类处方者所采用的类似策略。在 181 例临床 CMR 检查上的实验结果表明，我们的系统在处方四个标准 CMR 视图方面，相比包括传统基于图谱和较新的基于深度学习的方法在内的现有方法取得了更优的精度。相对于真实平面的平均角度差和点面距离分别为 5.98 度和 3.48 mm。
引用
@article{arxiv.2109.11715,
title = {Training Automatic View Planner for Cardiac MR Imaging via Self-Supervision by Spatial Relationship between Views},
author = {Dong Wei and Kai Ma and Yefeng Zheng},
journal= {arXiv preprint arXiv:2109.11715},
year = {2021}
}
备注
Accepted by MICCAI 2021