肺部段的模板引导重建与神经隐性功能的神经隐性功能
Kangxian Xie1, Yufei Zhu2, Kaiming Kuang3
1ELLIS Institute Finland, Espoo, 02150, Finland; Aalto University, Espoo, 02150, Finland; Department of Computer Science and Engineering, University at Buffalo, SUNY, 14260, NY, USA.
Medical image analysis
|December 23, 2025
概括
这项研究引入了一种新的神经隐性功能方法,用于精确的3D肺部细分重建,改善肺癌治疗的手术规划. 这种方法比传统技术提供了更好的细分化和计算效率.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 计算解剖学的计算解剖学
背景情况:
- 肺部细分的精确3D重建对于肺癌手术和规划至关重要.
- 传统的深度学习方法在分辨率和计算资源方面存在局限性.
- 隐式建模提供了计算效率和3D形状的连续表示.
研究的目的:
- 开发一种使用神经隐性函数进行解剖意识的,精确的3D肺部段重建方法.
- 为评估重建质量引入临床相关指标.
- 为肺部段重建算法创建一个基准数据集 (Lung3D).
主要方法:
- 一种基于神经隐性功能的方法来学习用于肺部段重建的3D表面.
- 可学习模板的变形,以表示肺部细分形状.
- 开发两种用于重建评估的新型临床评估指标.
- 创建一个Lung3D数据集,包含800个标记的肺部细分和相关的血管系统.
主要成果:
- 拟议的神经隐性功能方法实现了精确的3D肺部段重建.
- 与现有的重建技术相比,该方法表现出更高的性能.
- 肺3D数据集为对比和推进肺重建算法提供了宝贵的资源.
结论:
- 基于神经隐性功能的方法在3D肺部段重建方面取得了重大进展.
- 这种方法提高了解剖学准确性和细节性,有利于手术规划.
- 这项研究为肺部重建领域提供了新的视角和宝贵的资源.
