卷度仿真生成对抗网络用于解剖人体建模
Jion Kim1, Yan Li1, Byeong-Seok Shin1
1Department of Electrical and Computer Engineering, Inha University, Incheon 22212, Republic of Korea.
Bioengineering (Basel, Switzerland)
|February 23, 2024
概括
体积模拟GAN (VI-GAN) 从CT数据生成现实的3D人体解剖模型. 这种方法保留了隐私,并通过捕捉切片间关系来改善3D重建,与以前的技术不同.
科学领域:
- 医学成像医学成像
- 计算机视觉 计算机视觉 计算机视觉
- 3D建模是什么 3D建模是什么
背景情况:
- 卷度表示对于医学中的3D对象可视化至关重要.
- 包含个人信息的断层图像限制了数据的使用.
- 现有的GAN产生隐私保护医疗图像,但缺乏切片间相关性和详细的内部结构表示.
研究的目的:
- 为生成现实的3D人体解剖模型提出体积模拟GAN (VI-GAN).
- 解决现有方法关于垂直切片相关性和内部特征精度的局限性.
- 创建一个可以捕捉外部形状,内部切片及其关系的模型.
主要方法:
- 开发了VI-GAN,这是一个生成对抗网络,包含3D U-Net和ResNet用于特征提取和升级样本.
- 实现了基于3D卷积的本地特征融合块 (LFFB),以增强特征集成.
- 使用了3D卷积分类器,并设计了用于模型融合的重建损失 (特征和相似性).
主要成果:
- VI-GAN成功生成了真实模仿人类解剖模型的体积数据.
- 该模型有效地捕捉了外部形状,内部切片和关键的垂直切片关系.
- 通过对234名患者的CT数据进行评估,VI-GAN在生成准确的体积表示方面超过了现有的方法.
结论:
- VI-GAN提供了一种新的方法,可以从医学成像数据中生成高准确度的3D解剖模型.
- 该方法通过考虑切片间的相关性来提高3D重建的准确性,这对于医疗应用至关重要.
- 在医疗成像和3D建模方面,VI-GAN为研究和开发提供了宝贵的工具,同时确保了患者的隐私.
