双流MeshCNN用于肝脏表面的关键解剖细分
Xukun Zhang1, Sharib Ali2, Minghao Han1
1Academy for Engineering and Technology, Fudan University, Shanghai, 200082, China.
概括
一个新的双流网状卷积网络 (TSMCN) 通过结合全球和本地信息,准确地细分肝脏表面. 这种方法改善了解剖区域细分,用于增强增强现实引导的肝脏手术.
科学领域:
- 医学成像和计算机辅助手术.
- 3D网状处理和深度学习
背景情况:
- 准确的肝脏表面细分对于手术内导航至关重要.
- 目前的方法与肝脏形状的变化和有限的数据作斗争.
研究的目的:
- 开发一个双流网状卷积网络 (TSMCN) 用于肝脏的自动细分.
- 整合全球几何和本地拓信息以提高准确性.
主要方法:
- 拟议的TSMCN有两个流:边缘拓的E流,坐标空间关系的P流.
- 使用细粒度聚合 (FGA) 注意力机制的自适应融合.
- 生成一个聚合的网格,保留任务相关的结构.
主要成果:
- 在200个3D肝网数据集上,TSMCN的表现优于PointNet++和MeshCNN.
- 实现了肝脊和状带的高级细分.
- 显著减少了3DChamfer距离,特别是对于状带.
结论:
- 通过整合互补的几何特征,TSMCN有效地对肝脏表面进行细分.
- 通过精确的手术前细分,证明了增强AR引导性肝脏手术的潜力.


