跳到主要内容
返回时间线
arXiv来源发表:

心脏电影MRI不再只求像:CardioTrace把形变场与分割一起生成,长序列少漂移

核心概要

CardioTrace把心脏电影MRI合成与显式运动追踪绑在一起:一条分支直接预测相对舒张末帧的残差帧,另一条分支估计从参考相位出发的逐时刻形变场,并在舒张末与收缩末用左心室、右心室和心肌的分割标签约束解剖结构。在M&M与ACDC两个公开心脏电影MRI数据集上,它相对代表性GAN与扩散基线在感知质量和时间一致性上更好,并在整个心动周期中更好地保留心室形态。

Source-provided article image: CardioTrace: Motion-Aware Cine Synthesis via Coupled Tracing and Segmentation
arXiv

深度剖析

心脏电影MRI合成现在可以同时输出图像序列和一条可检查的心脏运动轨迹,而不只是逐帧看起来逼真的画面。 此前的GAN类方法在潜空间里建模时间轨迹,像素相似度高,但缺少显式的空间或解剖约束,合成序列可能出现不合理的形变和运动伪影。 在M&M与ACDC两个公开心脏电影MRI数据集上,CardioTrace在多数指标上优于Pix2Pix、CycleGAN、Med-DDPM和TraceTrans等代表性GAN与扩散基线,收缩末帧的心肌边界更清楚、运动伪影更少。

做法是把一次生成拆成外观与运动两条互补通路,再用分割和一致性约束把它们扣在一起。 像素平移分支以残差形式直接预测电影帧,形变场分支估计从参考相位到各时刻的位移场,给出帧间可解释的运动对应。 分割分支在舒张末和收缩末监督左心室、右心室与心肌三类结构,跨分支一致性目标让合成的外观动态跟随显式运动引导;在M&M上分别去掉形变分支、分割分支或元数据条件,性能都下降。

多中心数据的异质性通过提示式条件注入来处理,而不是为每个中心单独训练。 可选的病人元数据以提示式条件进入网络,类别属性做嵌入后与归一化数值属性拼接,再经特征级线性调制作用于编码器瓶颈。 M&M数据集上启用了元条件,ACDC上关闭;消融显示去掉元条件后性能进一步下降。

启示与展望

演示范围限于M&M与ACDC两个公开短轴心脏电影MRI数据集,输入为舒张末容积,序列在舒张末到收缩末之间均匀采样为固定长度,评价使用SSIM、PSNR、MAE和NMI四项图像相似度指标并辅以定性对比。

方法部分指出,面对更长的电影序列,基于配准一致性的做法会因误差累积出现时间漂移和帧间解剖错位,CardioTrace正是针对这一点设计,但公开材料未给出随序列长度变化的定量曲线。消融显示去掉元条件后性能下降,说明提示式条件对异质数据的稳健性有贡献,其具体作用范围仍以M&M上的结果为准。