Fully Convolutional Slice-to-Volume Reconstruction for Single-Stack MRI

要約

磁気共鳴画像法 (MRI) では、スライスからボリュームへの再構成 (SVR) とは、動きによって破損した 2D スライスのスタックから未知の 3D 磁気共鳴ボリュームを計算によって再構成することを指します。
現在の SVR 法は有望ではありますが、正確な 3D 再構成には複数のスライス スタックが必要であるため、スキャン時間が長くなり、胎児 fMRI などの時間に敏感なアプリケーションでの使用が制限されます。
ここでは、以前の研究の欠点を克服し、極端なスライス間の動きの存在下で最先端の再構成を生成する SVR 手法を提案します。
シングルビュー深度推定法の最近の成功に触発されて、SVR をシングルスタックの動き推定タスクとして定式化し、完全な畳み込みネットワークをトレーニングして、特定のスライス スタックの動きスタックを予測し、その副産物として 3D 再構成を生成します。
予測された動き。
成人および胎児の脳の SVR に関する広範な実験により、私たちの完全畳み込み手法が以前の SVR 手法よりも 2 倍正確であることが実証されました。
私たちのコードは github.com/seannz/svr で入手できます。

要約(オリジナル)

In magnetic resonance imaging (MRI), slice-to-volume reconstruction (SVR) refers to computational reconstruction of an unknown 3D magnetic resonance volume from stacks of 2D slices corrupted by motion. While promising, current SVR methods require multiple slice stacks for accurate 3D reconstruction, leading to long scans and limiting their use in time-sensitive applications such as fetal fMRI. Here, we propose a SVR method that overcomes the shortcomings of previous work and produces state-of-the-art reconstructions in the presence of extreme inter-slice motion. Inspired by the recent success of single-view depth estimation methods, we formulate SVR as a single-stack motion estimation task and train a fully convolutional network to predict a motion stack for a given slice stack, producing a 3D reconstruction as a byproduct of the predicted motion. Extensive experiments on the SVR of adult and fetal brains demonstrate that our fully convolutional method is twice as accurate as previous SVR methods. Our code is available at github.com/seannz/svr.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google