Unsupervised 4D Cardiac Motion Tracking with Spatiotemporal Optical Flow Networks

要約

心エコー検査による心臓運動追跡は、心周期内の心筋運動を推定し定量化するために用いることができる。これは、心筋機能を評価するための費用効率が高く、効果的なアプローチである。しかし、超音波画像には、空間的に解像度が低く、時間的にランダムなノイズが発生するという固有の特性があり、信頼性の高いアノテーションを得ることは困難である。そのため、運動追跡のための教師あり学習を行うことは困難である。さらに、現在のところ、エンド・ツー・エンドの教師なし手法は文献にない。本論文では、教師なしオプティカルフローネットワークを、空間再構成損失と時間整合性損失を用いて設計する、動き追跡法を提案する。我々の提案する損失関数は、ノイズの多い背景から心臓の動きを推定するために、対相関と時間相関を利用する。合成4次元心エコーデータセットを用いた実験により、本アプローチの有効性が示され、精度と実行速度の両方において既存手法より優れていることが示された。我々の知る限り、これは4D心臓運動追跡のために教師なしエンドツーエンドのディープラーニングオプティカルフローネットワークを用いた最初の研究である。

要約(オリジナル)

Cardiac motion tracking from echocardiography can be used to estimate and quantify myocardial motion within a cardiac cycle. It is a cost-efficient and effective approach for assessing myocardial function. However, ultrasound imaging has the inherent characteristics of spatially low resolution and temporally random noise, which leads to difficulties in obtaining reliable annotation. Thus it is difficult to perform supervised learning for motion tracking. In addition, there is no end-to-end unsupervised method currently in the literature. This paper presents a motion tracking method where unsupervised optical flow networks are designed with spatial reconstruction loss and temporal-consistency loss. Our proposed loss functions make use of the pair-wise and temporal correlation to estimate cardiac motion from noisy background. Experiments using a synthetic 4D echocardiography dataset has shown the effectiveness of our approach, and its superiority over existing methods on both accuracy and running speed. To the best of our knowledge, this is the first work performed that uses unsupervised end-to-end deep learning optical flow network for 4D cardiac motion tracking.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL