Unsupervised Deformable Image Registration for Respiratory Motion Compensation in Ultrasound Images

要約

この論文では、超音波画像の変形可能な位置合わせのための新しい深層学習モデルと、このモデルをトレーニングするための教師なしアプローチを紹介します。
当社のネットワークは、再帰全対フィールド変換 (RAFT) と空間変換ネットワーク (STN) を採用して、オンライン レート (約 30 Hz) で変位フィールドを生成し、ピクセルの動きを正確に追跡します。
私たちは、このアプローチを教師なし再帰全対フィールド変換 (U-RAFT) と呼びます。
この研究では、U-RAFT を使用して一連の超音波画像内のピクセルを追跡し、肺の超音波画像内の呼吸運動を打ち消します。
私たちは、生体内ブタの肺のビデオで私たちの方法を実証します。
呼吸運動補償戦略を使用すると、ブタ データセットの平均ピクセル移動が 76% 減少することがわかります。
私たちは、U-RAFT が変形可能な組織の超音波画像における呼吸や心拍などのさまざまな種類の動きを補正するための有望なツールであると信じています。

要約(オリジナル)

In this paper, we present a novel deep-learning model for deformable registration of ultrasound images and an unsupervised approach to training this model. Our network employs recurrent all-pairs field transforms (RAFT) and a spatial transformer network (STN) to generate displacement fields at online rates (apprx. 30 Hz) and accurately track pixel movement. We call our approach unsupervised recurrent all-pairs field transforms (U-RAFT). In this work, we use U-RAFT to track pixels in a sequence of ultrasound images to cancel out respiratory motion in lung ultrasound images. We demonstrate our method on in-vivo porcine lung videos. We show a reduction of 76% in average pixel movement in the porcine dataset using respiratory motion compensation strategy. We believe U-RAFT is a promising tool for compensating different kinds of motions like respiration and heartbeat in ultrasound images of deformable tissue.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google