局部化 FNO 在动脉瘤 MRI 中的时空血流动力学上采样-计算机科学-机器学习-脑血管诊断-医疗健康.pdfVIP

局部化FNO在动脉瘤MRI中的时空血流动力学上

采样

KyriakosFlouris*,MoritzHalter*,YolanneY.R.

Lee,SamuelCastonguay,LuukJacobs,PietroDirix,Jonathan

Nestmann,SebastianKozerke,andEnderKonukoglu

BiomedicalImagingGroup,ComputerVisionLab,ETHZurich

{kflouris;mhalter,kender}@ethz.ch

DepartmentofComputerScience,UniversityCollegeLondon

yolanne.lee.19@ucl.ac.uk

本

InstituteofEnvironmentalEngineering,SwissFederalInstituteofTechnology,

译ETHZurich

中BiodiversityandConservationBiologyUnit,SwissFederalInstituteforForest,

1SnowandLandscapeResearch,WSL

vInstituteforBiomedicalEngineering,UniversityandETHZurich

9

8

7

3摘要血流动力学分析对于预测动脉瘤破裂和指导治疗至关重要。虽然磁

1共振成像技术能够实现时间分辨的体积血液速度测量，但其低时空分辨率

.

7和信噪比限制了其诊断效用。为了解决这个问题，我们提出了局部傅里叶

0

5神经算子（LoFNO），这是一种新颖的三维架构，通过增强空间和时间分

2辨率的能力，可以直接从临床影像数据预测壁剪应力（WSS）。LoFNO集

:

v成了拉普拉斯特征向量作为几何先验，以提高在不规则、未见过的几何形

i状上的结构意识，并采用了增强深度超分辨率网络（EDSR）层进行稳健

x

r的上采样。通过将几何先验与神经算子框架结合，LoFNO对流数据进行

a

了去噪和时空上采样，在速度和WSS预测方面优于插值和其他深度学习

方法，从而实现了更精确的脑血管诊断。代码、消融研究和超参数可在：

/moritz-halter/deepflow获取。

Keywords:4D流MRI·超分辨率