MulViMotion: 다중 시점 심장 MRI를 통한 형태 인식 3D 심장 운동 추적

심장 자기 공명(CMR) 영상을 통한 3D 심장 운동 복원은 지역 심장 기능 평가를 가능하게 하여 심혈관 질환 이해 및 분석에 중요합니다. 그러나 3D 심장 운동 추정은 획득된 시네 CMR 이미지가 대개 2D 슬라이스이기 때문에 경계면 운동의 정확한 추정을 제한하여 도전 과제가 됩니다. 이 문제를 해결하기 위해, 우리는 짧은 축 및 긴 축에서 획득된 2D 시네 CMR 이미지를 통합하여 심장의 일관된 3D 운동 필드를 학습하는 새로운 다중 시점 운동 추정 네트워크(MulViMotion)를 제안합니다. 제안된 방법에서는 다중 시점 이미지에서 융합된 표현을 학습하여 밀집 3D 운동 필드를 생성하는 하이브리드 2D/3D 네트워크가 구축됩니다. 3D에서 운동 추정이 일관되도록 하기 위해, 학습 중 모양 정규화 모듈이 도입되어 다중 시점 이미지의 형태 정보를 활용하여 3D 운동 추정에 약한 감독을 제공합니다. 우리는 제안된 방법을 580명의 UK Biobank 연구의 2D 시네 CMR 이미지에서 좌심실 심근의 3D 운동 추적을 위해 광범위하게 평가합니다. 실험 결과, 제안된 방법이 정량적 및 정성적으로 경쟁 방법보다 우수함을 보여줍니다.