用于超声图像呼吸运动补偿的无监督可变形图像配准
图像与视频处理
2023-06-26 v1 计算机视觉与模式识别
机器人学
摘要
在本文中，我们提出一种用于超声图像可变形配准的新型深度学习模型，以及一种训练该模型的无监督方法。我们的网络采用循环全对场变换（RAFT）和空间变换网络（STN）以在线速率（约 30 Hz）生成位移场并精确追踪像素运动。我们称我们的方法为无监督循环全对场变换（U-RAFT）。在这项工作中，我们使用 U-RAFT 追踪超声图像序列中的像素，以抵消肺超声图像中的呼吸运动。我们在体内猪肺视频上演示了我们的方法。我们显示使用呼吸运动补偿策略后猪数据集中的平均像素运动减少了 76%。我们相信 U-RAFT 是一种用于补偿可变形组织超声图像中诸如呼吸和心跳等不同运动类型的有前景的工具。
引用
@article{arxiv.2306.13332,
title = {Unsupervised Deformable Image Registration for Respiratory Motion Compensation in Ultrasound Images},
author = {FNU Abhimanyu and Andrew L. Orekhov and John Galeotti and Howie Choset},
journal= {arXiv preprint arXiv:2306.13332},
year = {2023}
}