自动实例细分和从CT扫描中记录脊椎的脊椎,并使用改进的3DU-net神经网络和角点记录

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 计算机视觉 计算机视觉

背景情况:

• 从CT扫描中精确的3D细分和人类脊椎的注册对于医疗应用至关重要.
• 现有的方法往往面临着速度和稳定性方面的挑战.

研究的目的:

• 开发一个快速和强大的管道,用于人类脊椎的3D体积细分,标记和注册.
• 通过提高准确性和速度,增强手术前的可视化和规划.

主要方法:

• 开发了一个优化的3D U-Net神经网络架构,结合了剩余和密集的相互连接.
• 对网络组件 (激活功能,优化器,聚合) 进行了广泛的评估和优化.
• 用虚拟信托标记进行角点注册,用于3D虚拟现实可视化.

主要成果:

• 该管道在脊椎实例细分方面获得了92.38%的子得分,并在VerSe'20数据集上实现了5.26毫米的豪斯多夫距离.
• 在VerSe'20挑战中,性能超过了许多现有方法.
• 部署的溶液在90-210秒内处理扫描,包括椎椎.

结论:

• 拟议的方法提供了一个快速,稳健,准确的解决方案,用于脊椎椎的细分和注册.
• 这一进步可以促进未来的数据集准备,并增强手术前可视化和规划.