用几何约束的自由手3D超声波体积的神经隐性表面重建
Hongbo Chen1, Logiraj Kumaralingam2, Shuhang Zhang3
1School of Information Science and Technology, ShanghaiTech University, Shanghai, 201210, China; Shanghai Advanced Research Institute, Chinese Academy of Sciences, Shanghai, 200050, China; University of Chinese Academy of Sciences, Beijing, 100049, China.
Medical image analysis
|August 21, 2024
概括
这项研究介绍了FUNSR,这是一种用于3D超声波表面重建的新型自我监督方法. 它克服了噪声限制,生成精确的解剖模型,以改善医疗可视化和细分.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 计算解剖学的计算解剖学
背景情况:
- 三维 (3D) 自由手超声波 (美国) 能够在没有辐射的情况下进行非侵入性解剖成像.
- 从美国卷中准确地重建表面对于建模,注册和可视化至关重要.
- 传统方法与美国的图像噪声作斗争,限制了表面质量.
研究的目的:
- 介绍FUNSR,一种自主监督的神经隐性表面重建方法,用于3D自由手的美国.
- 为了解决美国表面重建当前深度学习方法的局限性.
- 为了提高从3D美国数据中获得的解剖面的准确性和质量.
主要方法:
- FUNSR使用自我监督从美国卷中学习签名距离函数 (SDF).
- 它使用代的SDF学习与3D查询在体积点云附近.
- 新的几何约束 (标志一致性,表面上的对抗性) 引导重建过程.
主要成果:
- 在四个数据集 (部,血管,前列腺) 中,FUNSR证明了跨不同解剖结构的适应性.
- 该方法产生了光滑,连续的表面表示,增强视觉外观.
- FUNSR显示了提高细分性能和对噪声和运动的稳定性的潜力.
结论:
- 在3D自由手超声波中,FUNSR为自我监督的神经隐性表面重建提供了强大而有效的解决方案.
- 该方法提高了3D US数据的质量和实用性,用于各种下游应用.
- 这种方法通过提高从杂的超声波体积的表面重建精度来推进医疗图像分析领域.


