Sep, 2023

通过视角之间的空间关系进行心脏磁共振成像的自动视角规定

PDF
TL;DR心脏磁共振成像的自动视图规划系统，利用深度学习网络通过空间关系自动定位目标平面，并使用预测热图实现多视图规划策略，从而实现对标准 CMR 平面的准确推荐。
cardiac magnetic resonance imagingview planningautomationdeep networkscmr exams
发现论文，激发创造
  • 基于稀疏 2D 心脏 MR 图像的全心脏 3D+T 表示学习

    我们提出了一种全心自监督学习框架，利用掩蔽成像建模自动发现心脏图像中空间和时间补丁之间的相关性，以生成有意义且高度聚类的心脏表示，该表示可以直接用于多个下游任务，而且在缺失或有缺陷的心磁共振平面上也具有鲁棒性，该方法在综合 3D+T 心脏信息方面具有出色的性能。

    Jun, 2024

  • 基于半监督学习的心脏磁共振图像自动诊断

    该研究论文介绍了一种用于心脏图像的自动分割和辅助诊断的半监督模型，通过利用心脏 MRI 图像和仅需少量标注图像数据，实现了对心脏图像的全自动、高精度分割，特征提取，临床指数计算和疾病预测，并展示该模型在分割和预测中的高准确性，具备实际指导和应用价值。

    May, 2024

  • 多类点云完成网络：基于心动磁共振成像的三维心脏解剖重建

    该研究提出了一种全新的完全自动化表面重建管道，能够从原始的 Cine 磁共振成像获取多类三维心脏解剖网格，其中关键组件是一种多类点云完成网络（PCCN）；研究人员证明了该算法在合成数据集和实际数据集中的高精度和鲁棒性。

    Jul, 2023

  • 以解剖导向的成像平面的自监督学习方法应用于医学图像数据

    我们提出了两个互补的预训练任务，基于医学图像数据的空间关系，用于深度网络的预训练，结果表明这些预训练任务对目标任务有显著的提升效果，且优于其他最近的方法。

    Mar, 2024

  • 基于强度的心脏磁共振图像的三维运动校正

    通过最大化切片交叉区域间的配对强度一致性，我们提出了一种算法来同时对所有短轴和长轴切片进行校准，无需任何先验知识，展示了我们的方法对于大范围的旋转和平移具有鲁棒性。

    Mar, 2024

  • 从多视角图像中学习形状先验用于强健心脏磁共振分割

    本文提出了一种基于解剖形态先验知识和多个 2D 标准视图之间的空间上下文关系的方法，来从不同的 MR 短轴图像切片中分割出左心室心肌，该方法具有数据效率高、准确性高的优点，相对于基线模型表现更加卓越。

    Jul, 2019

  • 多视角心脏图像分割在转 - 维先验下的研究

    我们提出了一种新的多阶段跨维度架构，用于多视角心脏图像分割。我们的方法利用短轴和长轴核磁共振（MR）图像之间的关系进行序列化的三维至二维至三维分割，分割长轴和短轴图像。我们的方法在分割短轴和长轴图像中的心脏感兴趣区域方面优于现有方法，在 Multi-Disease、Multi-View & Multi-Center Right Ventricular Segmentation in Cardiac MRI (M&Ms-2) 数据集上进行了评估。

    Apr, 2024

  • 心血管磁共振成像的多模态表征学习

    提出了 CMRformer 作为临床心磁共振图像和心脏病学家报告的联合学习框架可用于改善医疗保健中标签缺失和视觉上难以解释的复杂成像疾病领域的实效性，同时提供一个庞大的 CMR 数据集可用于治疗和诊断的进一步研究。

    Apr, 2023

  • 基于 XCAT 变形成像基础上的 XCAT-GAN 合成 3D 标记心脏 MR 图像

    本文提出了一种基于 XCAT-GANs 的方法，通过语义掩模引导下的图像生成技术，利用大量解剖学变异性的虚拟受试者合成心脏磁共振影像，得到了在下游心腔分割任务中提高性能的合成数据，通过 Hausdorff 距离和 Dice 分数的实验证明，使用合成图像可以降低误差，提高精度。

    Jul, 2020

  • CMRxRecon：用于加速图像重建竞赛的开放式心脏核磁共振图像数据集

    通过发布一个包含来自 300 个受试者的多对比度、多视角、多切片和多线圈 CMR 成像数据的数据集，我们旨在通过引入标准化的评估标准并使数据集免费向研究社区开放来促进最先进的 CMR 图像重建的进展。

    Sep, 2023