加权平均频率：一种4D流动MRI分割的手工傅里叶特征
图像与视频处理
2025-06-26 v1 人工智能
计算机视觉与模式识别
摘要
在过去的几十年中，4D Flow MRI图像的使用已使能够量化兴趣区域内的速度场以及整个心脏周期内的速度。然而，这些生物标志物的分辨率不足以及噪声存在是一个显著问题。正如最近研究所示，诸如壁面剪切应力等生物标志物尤其受到血管分割分辨率不足的影响。体积对比磁共振血管成像（PC-MRA）是促进分割的技术前沿方法。本工作的目标是引入一种新的手工特征，提供一种新的4D Flow MRI图像可视化方式，对分割任务有用。该特征称为加权平均频率（WMF），能够揭示在三维空间中，单个体素被脉动流经的区域。事实上，这一特征代表了所有脉动速度体素的凹陷。就讨论中所讨论的特征而言，其价值通过两个实验来说明。这两个实验涉及使用最优阈值分割和深度学习方法对4D Flow MRI图像进行分割。所得结果表明，与PC-MRA特征相比，在IoU和Dice方面分别提高了0.12和0.13，深受深度学习任务的青睐。这一特征有望提供有价值的见解，可为未来的分割进程，包括心脏或大脑等其他血管区域，提供指导。
引用
@article{arxiv.2506.20614,
title = {Weighted Mean Frequencies: a handcraft Fourier feature for 4D Flow MRI segmentation},
author = {Simon Perrin and Sébastien Levilly and Huajun Sun and Harold Mouchère and Jean-Michel Serfaty},
journal= {arXiv preprint arXiv:2506.20614},
year = {2025}
}