MPVF:通过多金字塔的voxel流来进行4D医疗图像绘制

科学领域:

• 医学成像医学成像
• 深度学习是一种深度学习.
• 图像处理 图像处理

背景情况:

• 4D医学成像包括长时间的扫描和辐射.
• 当前的深度学习方法经常忽略z轴的变化,限制4D图像质量.
• 由于心脏和肺部运动的不同大小,对插值提出了独特的挑战.

研究的目的:

• 开发一种深度学习模型,用于在4D心脏和肺部图像插值中直接进行3D体积合成.
• 通过考虑z轴信息和复杂的器官运动来解决现有方法的局限性.
• 为了减少与详细的4D成像相关的检查时间和辐射暴露.

主要方法:

• 提出了用于4D心脏和肺部图像插值的多金字塔伏塞尔流 (MPVF) 模型.
• MPVF使用多个多尺度的voxel流来提供全面的插值信息.
• 包含双边voxel流 (BVF) 模块用于无监督的多金字塔voxel流生成和金字塔融合 (PyFu) 模块用于体积融合.

主要成果:

• 与最先进的方法相比,MPVF模型在几个评估指数中表现出更高的性能.
• 实现显著减少合成时间生成4D医疗图像.
• 在使用最大和最小运动相作为输入的中间时间点成功恢复了3D卷.

结论:

• 通过直接合成3D卷,MPVF模型为4D心脏和肺图像插入提供了有效的解决方案.
• 拟议的方法通过通过多尺度的voxel流来考虑全球和区域信息来提高插值的准确性.
• MPVF提出了一种有前途的方法来提高4D医学成像的效率和降低风险.