文件名称：Ma形状：混合的Mr和Ct图像上左心室分割的模态适应形状回归
文件大小：6.37MB
文件格式：PDF
更新时间：2024-04-24 19:27:09
研究论文
摘要左心室（LV）分割对于临床量化和诊断心脏图像至关重要。 尽管大多数现有的LV分割方法都专注于单一模式或多模式的心脏图像，但很少有人致力于混合模式的图像。 混合模态是指数据库中存在不同的模态，而对于每个主题，只有一个模态。 在本文中，我们从混合模态图像中提出了一种新发明的LV分割方法：模态适应形状回归（MA-Shape）。 与单模态或多模态方法相比，提出的MA-Shape可以：1）在测试阶段应用于新模态的图像，从而提高了学习方法的通用性； 2）利用现有的不同样本模态，减轻了对多模态数据的高需求。 为实现此目的，我们提出了一种模态适应模块，以增强MR和CT之间的形状一致性，从而提高在一种模态中学习的模型对新模态的泛化能力。 在具有145个受试者的MR序列和96个受试者的CT扫描的数据集上进行的实验证明，通过从混合模态图像中学习通用形状信息，并改善形状回归的跨模态通用性，提出的MA形状可以实现出色的性能在一种模态的图像上学习的模型。 这些优点不仅提供了一种在模型学习过程中利用混合模式数据的有效方法，而且还为在临床实践中应用自动心功能评估提供了一种有效而灵活的方法。