相关实验视频
Updated: May 6, 2026

05:05
Four-Dimensional CT Analysis Using Sequential 3D-3D Registration
Published on: November 23, 2019
8.4K
从CT成像中自动细分骨,使用3D U-Net架构中的两步深度学习
Jônatas de Souza Nascimento1,2, Tobias Pankert3,2, Florian Peters3
1Institute for Imaging and Computer Vision, RWTH Aachen University, Aachen, Germany.
Scientific reports
|November 25, 2025
概括
这项研究介绍了一种使用3D-UNet用于重建性手术规划的自动骨骨分段方法. 该方法优化了患者特定的外科规划,并以高精度降低了成本.
科学领域:
- 医疗成像医学成像
- 计算机辅助手术 计算机辅助手术
背景情况:
- 进行重建性手术的术前规划需要准确的解剖模型.
- 目前用于骨细分的方法可能耗时且昂贵.
研究的目的:
- 从CT图像开发一个全自动的长骨骨分段技术.
- 优化和降低与患者特定的手术规划相关的成本.
主要方法:
- 采用了使用3D-UNet架构的两步细分方法.
- 对右骨的输入CT图像进行了镜像,以解决骨对称性.
主要成果:
- 最好的训练模型获得0.95的子得分,平均表面距离低于0.31毫米.
- 两种拟议的细分方法都显示出高精度和稳定性.
结论:
- 开发的自动细分方法适用于重建性手术的术前规划.
- 这种技术有助于数据预处理,用于使用骨移植进行面部重建.

