多阶段自适应分线自动对焦 (MASA) 具有学习的度量,用于干预圆束CT中可变形运动补偿

科学领域:

• 医疗成像医学成像
• 计算成像技术的成像
• 图像重建 图像的重建

背景情况:

• 圆束CT (CBCT) 在腹部干预成像中至关重要,但由于采集时间长,因此遭受了运动工件的损害.
• 现有的基于图像的自动对焦方法用于CBCT运动补偿,与复杂的运动轨迹的高维度作斗争.

研究的目的:

• 开发一种新的优化策略,即多阶段自适应脊柱自动对焦 (MASA),用于补偿腹部CBCT中的复杂可变形运动.
• 为了利用可微分的深度自动对焦指标,实现更有效的运动补偿方法.

主要方法:

• 马萨采用多阶段的自适应采样策略,使用赫米特线条来优化运动轨迹.
• 该方法同时优化了采样阶段,局部时间密度和时间依赖幅度,逐渐适应复杂度随着阶段的增加.
• 通过使用Sigmoid和多频运动模拟进行评估,并根据临床肝脏CBCT数据进行验证.

主要成果:

• 马萨证明了成功的运动补偿,优于固定采样策略 (0.026对0.011SSIM增加).
• 该方法适应地将采样密度分配给突然运动事件,而不会增加维度.
• 与单阶段自动对焦相比,3阶段MASA实现了双倍的SSIM增加 (0.076对0.040).

结论:

• 在腹部CBCT中,MASA为可变形运动补偿提供了一个新的框架.
• 它的适应性时间采样技术是处理复杂运动轨迹的关键.
• 在临床肝脏CBCT数据集中,MASA改善了血管和软组织的划分.