在脑MRI中SE(3)-等同变量和噪声不变的3D刚性运动跟踪

科学领域:

• 医疗成像医学成像
• 计算机视觉 计算机视觉
• 机器学习 机器学习

背景情况:

• 刚性运动跟踪对于医学成像分析和校正至关重要.
• 目前使用卷积神经网络 (CNN) 的方法缺乏旋转等差,限制了性能.
• 现有的CNN是翻译等价的,但不是旋转等价的,无法利用固有的对称性.

研究的目的:

• 推出EquiTrack,这是第一个利用可转向SE(3) -equivariant CNNs (E-CNNs) 进行刚性运动跟踪的方法.
• 为了解决可引导的E-CNNs在杂的医疗图像中的有限噪声不变性.
• 开发一种混合架构,增强特征提取,以准确的运动估计.

主要方法:

• 提出了EquiTrack,这是一种采用可引导SE(3) -等价CNN (E-CNN) 的新方法.
• 引入了一种混合架构,将消噪器与E-CNN相结合,以提高噪声不变性.
• 分离强度特征处理与等价空间特征提取.
• 使用封闭式溶液估计的刚性转换.

主要成果:

• 与最先进的方法相比,EquiTrack表现出卓越的性能.
• 该方法在成年大脑MRI和胎儿MRI时间序列中实现了改进的运动跟踪.
• 混合架构成功增强了噪声不变性和特征提取.

结论:

• EquiTrack代表了医疗成像硬体运动跟踪技术的重大进步.
• 与E-CNNs的整合提供了一个强大的解决方案,用于杂的医疗数据.
• 拟议的方法在MRI应用的准确性和可靠性方面优于现有技术.