SAGCNet: 面向空间的图补全网络在人群 CMR 成像中缺失切片插补的应用.pdfVIP

SAGCNet:面向空间的图补全网络在人群CMR成

像中缺失切片插补的应用

JunkaiLiu,NayAung,TheodorosN.Arvanitis,StefanK.Piechnik,Joao

ACLima,SteffenE.Petersen,andLeZhang()

SchoolofEngineering,CollegeofEngineeringandPhysicalSciences,

UniversityofBirmingham,Birmingham,UK

OxfordCenterforClinicalMagneticResonanceResearch(OCMR),

DivisionofCardiovascularMedicine,JohnRadcliffeHospital,

UniversityofOxford,Oxford,UK

本DivisionofCardiology,JohnsHopkinsUniversitySchoolofMedicine,

译Baltimore,Maryland,USA

中WilliamHarveyResearchInstitute,NIHRBartsBiomedicalResearchCentre,

QueenMaryUniversityLondon,London,UK

1

vBartsHeartCentre,StBartholomew’sHospital,BartsHealthNHSTrust,West

1Smithfield,London,UK

4

0jxl1920@student.bham.ac.uk;l.zhang.16@bham.ac.uk

7

0

.

8

0摘要磁共振成像（MRI）提供了详细的软组织特征，有助于疾病的诊断

5

2和筛查。然而，由于各种因素，临床实践中经常因缺少或无法使用的切片

:而受到准确性的影响。为了应对这一问题，开发了体积MRI合成方法来

v

i通过可用的切片推断缺失的切片。体积MRI数据如心脏磁共振（CMR）

x

r固有的3D特性对缺失切片插补方法提出了重大挑战，包括（1）难以建

a

模各切片之间的局部相关性和依赖性，以及（2）有限地探索关键的3D

空间信息和全局上下文。在这项研究中，为了缓解这些问题，我们提出

Spatial-AwareGraphCompletionNetwork(SAGCNet)来克服对完整体

积数据的依赖性，其特征包括两个主要创新点