4D医学图像的无中间帧数据高效无监督插值

4D医学图像的无中间帧数据高效无监督插值

4D医学图像代表具有时间信息的3D图像，在临床实践中对于捕捉动态变化和监测长期疾病进展至关重要。然而，由于辐射暴露和成像持续时间等因素，获取4D医学图像带来了挑战，需要在实现高时间分辨率和最小化不利影响之间取得平衡。鉴于这些情况，不仅数据采集具有挑战性，而且提高每个数据集的帧率也证明是困难的。为了应对这一挑战，提出了一种简单而有效的无监督体积插值框架UVI-Net。该框架便于时间插值，不需要任何中间帧，将其与大多数其他现有的无监督方法区分开来。基准数据集上的实验表明，与无监督和有监督的基线相比，各种评估指标都有显著改善。值得注意的是，即使使用小到一个的数据集进行训练，改进的方法也能实现这种卓越的性能，这突显了它在稀疏监督场景中的出色鲁棒性和效率。这使UVI Net成为4D医学成像的一种引人注目的替代方案，特别是在数据可用性有限的环境中。该代码可在https://github.com/jungeun12233/UVI-Net上获得。

整个推理过程的示意图概述，如图4-18所示。

图4-18 整个推理过程的示意图概述

在图4-18中，从两个输入帧

和

开始，将这些帧输入到流量计算模型中，以获得近似的流量

和

。然后，使用获得的流场对两帧进行扭曲，并类似地对多尺度体素特征进行扭曲。最后，考虑多尺度特征的信息，对距离逆加权相加图像进行重构，得到最终插值帧

。