DeepMesh: Mesh-based Cardiac Motion Tracking using Deep Learning

要約

シネ心臓磁気共鳴 (CMR) 画像からの 3D 運動推定は、心臓機能の評価と心血管疾患の診断に重要です。
現在の最先端の方法は、画像空間における高密度のピクセル/ボクセル単位の動きフィールドを推定することに重点を置いており、動き推定が関心のある解剖学的対象物、たとえば心臓内でのみ関連し有用であるという事実を無視しています。
この研究では、心臓を心外膜表面と心内膜表面で構成される 3D メッシュとしてモデル化します。
私たちは、テンプレートの心臓メッシュを被験者空間に伝播させ、被験者ごとのCMR画像から心臓メッシュの3次元運動を推定する新しい学習フレームワークDeepMeshを提案します。
DeepMesh では、まず個々の被験者の拡張末期フレームの心臓メッシュがテンプレート メッシュから再構築されます。
次に、拡張終期フレームに関するメッシュベースの 3D 運動フィールドが、2D 短軸および長軸 CMR 画像から推定されます。
DeepMesh は、微分可能なメッシュから画像へのラスタライザを開発することにより、複数の解剖学的ビューからの 2D 形状情報を 3D メッシュの再構成とメッシュの動き推定に活用できます。
提案された方法は、頂点ごとの変位を推定し、時間フレーム間の頂点の対応を維持します。これは、さまざまな被験者や集団にわたる心機能の定量的評価に重要です。
英国バイオバンクから取得した CMR 画像で DeepMesh を評価します。
この研究では、左心室の 3D 運動推定に焦点を当てます。
実験結果は、提案された方法が他の画像ベースおよびメッシュベースの心臓運動追跡方法よりも定量的および定性的に優れていることを示しています。

要約(オリジナル)

3D motion estimation from cine cardiac magnetic resonance (CMR) images is important for the assessment of cardiac function and the diagnosis of cardiovascular diseases. Current state-of-the art methods focus on estimating dense pixel-/voxel-wise motion fields in image space, which ignores the fact that motion estimation is only relevant and useful within the anatomical objects of interest, e.g., the heart. In this work, we model the heart as a 3D mesh consisting of epi- and endocardial surfaces. We propose a novel learning framework, DeepMesh, which propagates a template heart mesh to a subject space and estimates the 3D motion of the heart mesh from CMR images for individual subjects. In DeepMesh, the heart mesh of the end-diastolic frame of an individual subject is first reconstructed from the template mesh. Mesh-based 3D motion fields with respect to the end-diastolic frame are then estimated from 2D short- and long-axis CMR images. By developing a differentiable mesh-to-image rasterizer, DeepMesh is able to leverage 2D shape information from multiple anatomical views for 3D mesh reconstruction and mesh motion estimation. The proposed method estimates vertex-wise displacement and thus maintains vertex correspondences between time frames, which is important for the quantitative assessment of cardiac function across different subjects and populations. We evaluate DeepMesh on CMR images acquired from the UK Biobank. We focus on 3D motion estimation of the left ventricle in this work. Experimental results show that the proposed method quantitatively and qualitatively outperforms other image-based and mesh-based cardiac motion tracking methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google