在基于神经辐射场的医学图像合成中提高姿势准确性和几何形状
Twaha Kabika1, Cai Hongsen1, Zhu Hongling2
1College of Life Science and Technology, Huazhong University of Science and Technology, Wuhan, P.R. China.
Medical physics
|April 15, 2025
概括
本研究引入了一种新的姿势感知区分器和数据集,以改善医学神经辐射场 (NeRF) 模型,提高姿势准确性和图像清晰度,以更好地进行计算机断层扫描 (CT) 投影染.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 神经辐射场 (NeRF) 擅长从二维图像中合成新的视图.
- MedNeRF扩展了NeRF,可以从有限的X射线视图提供计算机断层扫描 (CT) 投影.
- 现有的MedNeRF方法在准确的姿势重建方面面临挑战,这会影响解剖细节和图像质量.
研究的目的:
- 为了提高MedNeRF产生的图像的姿势准确性.
- 为了提高染CT投影的解剖细节和整体质量.
- 为了克服MedNeRF对放射学分析的姿势重建的局限性.
主要方法:
- 开发了一种新的姿势感知区分器,以确保准确的姿势估计.
- 引入了一个定制的扭曲适应性损失功能,用于体积染.
- 创建了HTDataset,一个新的数据集对模仿机器生成的X射线,降低噪音.
主要成果:
- 拟议的方法实现了准确的姿势重建和高保真图像染.
- 与现有最先进的方法相比,表现出优越的性能.
- 在定性和定量指标方面取得了显著的改进.
结论:
- 这种新的方法有效地解决了MedNeRF的重建挑战.
- 在生成的医学图像中增强了解剖细节和降低了噪音.
- 新的方法和数据集为CT投影染精度和质量建立了更高的基准.
更多相关视频
06:53Management of Respiratory Motion Artefacts in 18F-fluorodeoxyglucose Positron Emission Tomography using an Amplitude-Based Optimal Respiratory Gating Algorithm
Published on: July 23, 2020
5.5K
07:57Positron Emission Tomography-based Dose Painting Radiation Therapy in a Glioblastoma Rat Model using the Small Animal Radiation Research Platform
Published on: March 24, 2022
2.7K
