Apr, 2023

基于内窥镜光学相干断层扫描的中耳非刚性点云配准诊断

PDF
TL;DR该研究旨在通过结合乳突外形学知识和光学相干断层扫描成像技术，提出一种名为 C2P-Net 的两阶段非刚性注册流程从而提高 OCT 数据的可读性，促进其在日常临床中的应用，解决与儿科患者中耳炎诊断相关的主要问题。
middle ear infectionendoscopic optical coherence tomographyc2p-netnon-rigid registration pipelinein-vivo oct images
发现论文，激发创造
  • 单目显微镜到 CT 图像配准：基于镫骨位姿估计的增强现实耳蜗植入手术

    通过进行 2D 到 3D 的注册和姿态估计，我们提出了一种不需要外部追踪设备，而可以将显微镜视频直接与术前计算机断层扫描（CT 扫描）进行配准的方法，从而为增强现实手术提供了准确且精确度较高的效果。

    Mar, 2024

  • 神经网络场分析气道 OCT

    我们提出了一种名为 NeuralOCT 的学习方法，用于处理气道 OCT 图像，从而提取 2D 图像中的 3D 几何形状，并通过神经场从点云中进行 3D 重构，实验证明 NeuralOCT 可以产生准确且稳定的 3D 气道重建结果，平均 A 线误差小于 70 微米。

    Mar, 2024

  • 使用极端点注释生成的噪声标签进行 OCT 液体分割的学习

    本文提出了一种基于超像素指导的用于从弱标注中生成噪声标签的方法（PNS），以及一种基于 MTCL 的 Two-Stage Mean-Teacher-assisted Confident Learning（2SMTCL）方法，用于多类别 OCT 流体分割。实验结果表明，该方法在 OCT 流体分割以及标签去噪方面性能优秀，为眼科领域患者的诊断和治疗提供了高效、准确和实用的解决方案。

    Jun, 2023

  • 高效点云配准的动态网络

    该论文介绍了一种动态方法，通过多次迭代点云数据的注册过程，识别匹配点聚类区域，从而删除噪点，并通过评估每个注册阶段的结果以提高网络效率。实验证明，该模型相较于其他方法在相似结果上显著减少时间消耗，室内数据集 (3DMatch) 速度提升超过 41%，室外数据集 (KITTI) 速度提升 33%，同时保持竞争性的注册召回需求。

    Dec, 2023

  • 学习多视角三维点云配准

    本文介绍了一种新颖的端到端可学习的多视角三维点云拼接算法，该算法集成了两阶段流程（成对对准和全局优化），并且是当前领先技术的改进。

    Jan, 2020

  • 用深度学习网络来纠正 3D OCT 视网膜图像中的轴向和冠状眼动

    提出基于深度学习的神经网络来校正 OCT 图像中的运动伪影，并在实验中表明该方法可以有效地校正运动伪影，恢复视网膜的整体曲率，并能够推广到各种疾病和分辨率。

    May, 2023

  • RetiNet: OCT 体数据中自动识别 AMD

    本研究提出了一种基于卷积神经网络的半监督学习方法，利用光学相干断层扫描成像技术对视网膜疾病进行自动识别，并取得了良好的效果。

    Oct, 2016

  • 部分重叠点云的快速稳健配准

    该研究提出了一种新的部分重叠点云的实时配准方法，利用点云的特征编码器和基于图的注意力网络来学习和优化对应关系，实现了与现有方法相当的性能和更快的推理速度。

    Dec, 2021

  • OCTDL：用于基于图像的深度学习方法的光学相干断层扫描数据集

    该研究使用光学相干断层扫描（OCT）技术，建立了一个开放数据集（OCTDL），其中包含 1600 多幅高分辨率 OCT 图像，针对疾病组和视网膜病理进行了标记。通过应用深度学习分类技术，对该数据集进行了疾病分类的研究。

    Dec, 2023

  • OMNet：用于部分到部分点云配准的重叠遮罩学习

    本研究提出了一种基于全局特征的 OMNet 方法，用于局部 - 局部点云配准。通过学习重叠区域的掩码来拒绝不重叠的区域，并采用了更实用的数据生成方法，实现了与传统和深度学习方法相比的最新性能。

    Mar, 2021