一个新的以注意力为基础的网络,用于从医学图像中估计错误的几何重建

科学领域:

• 医疗成像医学成像
• 计算机视觉 计算机视觉
• 生物医学工程 生物医学工程

背景情况:

• 解剖结构的实例细分对于临床应用至关重要,但在以图谱为基础的研究中缺乏点对点对应.
• 将细分口罩转换为网格可以引入错误,需要从医疗图像直接生成网格.

研究的目的:

• 开发一种基于注意力的新型神经网络,用于从医疗图像直接重建几何形状,并将其转化为高质量的对应网格.
• 引入一个形状误差估计网络来评估重建几何学的可靠性.

主要方法:

• 提出了一个基于注意力的特征提取网络,具有图像和形状自我注意和交叉注意.
• 开发了一个几何结构重建网络,可以变形通信网格模板.
• 设计了一个形状错误估计网络,以量化重建网格中的点对点错误.

主要成果:

• 与现有方法 (UNet++,UTNet,Swin UnetTR,SLT-Net,nnUNet) 相比,在腰椎形状重建中取得了更高的准确性和无文物结果.
• 证明了形状错误估计网络在临床环境中进行质量控制的实用性.

结论:

• 提出的基于注意力的网络提供了从医疗图像到对应的3D网格表示的直接和准确的途径.
• 综合错误估计促进了重建解剖几何学的可靠临床应用.