WarpPINN：基于物理信息神经网络的电影式MR图像配准
图像与视频处理
2023-08-22 v1 计算机视觉与模式识别
机器学习
摘要
心力衰竭通常通过全局功能评估（如射血分数）诊断。然而，这些指标判别力低，无法区分该疾病的不同类型。以心脏应变形式量化局部形变可提供有用信息，但这仍具挑战性。本工作中，我们引入WarpPINN，一种物理信息神经网络，用于执行图像配准以获取心脏形变的局部度量。我们将该方法应用于电影式磁共振图像，以估计心动周期中的运动。我们通过惩罚形变场的雅可比行列式，将心肌组织近不可压缩性告知神经网络。损失函数包含两项：参考图像与形变后模板图像间基于强度的相似性项，以及表示组织超弹性行为的正则项。神经网络的架构使我们能通过自动微分轻松计算应变以评估心脏活动。我们使用傅里叶特征映射克服神经网络的光谱偏置，从而能捕捉应变场中的不连续性。我们在合成示例及15名健康志愿者的电影式MRI基准上测试了算法。我们在标志点追踪与应变估计上均优于现有方法。我们期望WarpPINN能基于局部形变信息实现更精确的心力衰竭诊断。源代码见 https://github.com/fsahli/WarpPINN。
引用
@article{arxiv.2211.12549,
title = {WarpPINN: Cine-MR image registration with physics-informed neural networks},
author = {Pablo Arratia López and Hernán Mella and Sergio Uribe and Daniel E. Hurtado and Francisco Sahli Costabal},
journal= {arXiv preprint arXiv:2211.12549},
year = {2023}
}
备注
18 pages, 10 figures