基于无监督 landmark 检测的稠密-稀疏-稠密时空运动估计用于四维动态医学图像

运动估计是动态医学图像处理中评估目标器官解剖与功能的基础步骤。然而，现有的基于图像的运动估计方法通过评估局部图像相似度来优化运动场，容易产生不合理的估计，尤其在存在大幅运动的情况下。在本研究中，我们提出了一种新颖的稠密-稀疏-稠密(DSD)运动估计框架，其包含两个阶段。在第一阶段，我们处理原始稠密图像以提取稀疏landmark来表示目标器官解剖拓扑，并丢弃对运动估计不必要的冗余信息。为此，我们引入了一种无监督3D landmark检测网络，以提取空间稀疏但具代表性的landmark用于目标器官运动估计。在第二阶段，我们从两个不同时间点的提取稀疏landmark中推导稀疏运动位移。然后，我们提出一个运动重建网络，通过将稀疏landmark位移投影回稠密图像域来构建运动场。此外，我们将两阶段DSD框架估计的运动场作为初始化，并通过轻量且有效的迭代优化提升运动估计质量。我们在两项动态医学成像任务上评估了我们的方法，分别用于建模心脏运动和肺呼吸运动。我们的方法相比现有对比方法产生了更优的运动估计精度。此外，大量实验结果表明我们的方案可在无需任何手动标注的情况下提取具良好代表性的解剖landmark。我们的代码已在线公开。