对肌肉细分的双图推理从圆束计算机断层扫描.

科学领域:

• 医疗成像医学成像
• 计算机视觉 计算机视觉
• 生物医学工程 生物医学工程

背景情况:

• 由于软组织的模糊性和低辐射圆束计算机断层扫描 (CBCT) 图像中的工件,因此难以自动对肌肉进行细分.
• 准确的细分对于诊断和治疗各种影响下巴和功能的疾病至关重要.

研究的目的:

• 提出一种新的双图推理模型 (BGR) 来从CBCT图像中同时检测和细分多类肌.
• 为了应对模两可的软组织附件和图像工件在自动化肌肉细分所带来的挑战.

主要方法:

• 开发了一个双图推理模型 (BGR),整合了类别和区域图.
• 分类图编码可学习的肌肉先前知识,处理高级依赖关系并增强特征表示.
• 该区域图形模拟了候选肌肉区域的本地和全球依赖性,提高了文物的强度.

主要成果:

• BGR模型有效地从临床获得的CBCT中对肌进行细分.
• 在肌细分方面取得了最先进的准确性.
• 在纠的软组织和图像文物存在时,证明了功能表现的改进.

结论:

• 拟议的双图推理模型 (BGR) 为CBCT图像中的自动化肌细分提供了强大而准确的解决方案.
• BGR有效地处理复杂的解剖变异和图像质量问题,为改善临床诊断铺平了道路.