Aug, 2023

迭代低分辨率点云补全变换在高分辨率颅骨缺损修复中的应用

PDF
TL;DR每年有数千人遭受不同类型的颅骨损伤，需要费时费力的手动设计个性化植入物。因此，迫切需要一种自动化、专用的系统来增加个性化颅骨重建的可用性。我们提出了一种基于迭代的变换器方法，将问题重新定义为点云完成任务，使其能够以任何分辨率快速高效地重建颅骨缺陷，同时在训练和推断过程中节省 GPU 内存，并与最先进的容积方法相比，表现出更优秀的性能和高质量的缺陷重建。
cranial injuriespersonalized implantsautomatic cranial defect reconstructiondeep networkspoint cloud completion
发现论文，激发创造
  • 自主训练的深度可变形蒙版自编码器在颅骨缺陷重建中的自动应用

    使用自监督遮蔽自编码器解决颅骨缺陷的问题，通过对比先进的深度神经网络，在 SkullBreak 和 SkullFix 数据集上展示了定量和定性的改进，实现实时有效重建颅骨缺陷。

    Apr, 2024

  • 通过大量数据增强改进基于深度学习的颅骨缺损自动重建：从图像配准到潜在扩散模型

    模拟和制造个性化颅骨植入物是可以缩短患有颅骨损伤患者等待时间的重要研究领域。个性化植入物的建模可以通过深度学习方法部分自动化，然而，该任务在使用以前未见过的数据分布时难以泛化，难以在实际临床环境中使用研究成果。鉴于获取地面真实注释的困难，必须考虑和引入不同的技术来改善用于训练深度网络的数据集的异质性。在这项工作中，我们对几种数据增强技术进行了大规模研究，包括经典的几何转换、图像配准、变分自动编码器、生成对抗网络以及最新的潜在扩散模型。我们表明，大量数据增强的使用显著增加了定量和定性结果，使得 SkullBreak 数据集的平均 Dice 分数超过 0.94，SkullFix 数据集的平均 Dice 分数超过 0.96。此外，我们展示了合成增强网络成功重建真实临床缺陷。这项工作对于人工智能在个性化颅骨植入物的自动建模领域做出了重要贡献。

    Jun, 2024

  • 回归本源：使用基于图像的统计形态模型重建大型和复杂的颅缺损

    本文提出了一种基于颅骨分割掩模构建的统计形状模型来设计颅内假体的方法，该模型相较于卷积神经网络，对于较大和复杂的颅内缺陷的修复效果更好，并得到了资深神经外科医生的认可。

    Apr, 2022

  • 用于颅脑缺陷的异质增强的深度生成网络

    利用深度学习技术生成合成颅骨数据以改善自动设计个性化颅骨植入物的过程。

    Aug, 2023

  • 基于二维正弦图的计算机断层成像中的缺陷定位方法

    该论文介绍了深度学习在计算机断层成像领域的应用，提出了一种基于三步深度学习算法的综合缺陷检测方法，包括缺陷分割、蒙版分离和缺陷分析。使用 U-Net 架构进行缺陷分割，在模拟数据上达到 92.02％的 IoU，并在 512 像素宽的探测器上实现了 1.3 像素的平均位置误差。

    Jan, 2024

  • 深度点云重建

    该研究提出了一种基于深度学习的点云重建网络，采用两个阶段进行密集化、去噪和点云完整性重建，其中使用了变换器进行离散体素向 3D 点的转换，同时提出了放大位置编码模块以优化变换器，实现在 3D 扫描建模领域的最新水平。

    Nov, 2021

  • 基于图卷积自编码器的可变形形状补全

    本论文提出一种新的深度学习方法，利用可变自编码器和图形卷积运算来实现对非刚性变形物体进行局部补全，对合成和真实扫描的人体和面部网格进行了实验，显示出有前途的结果。

    Dec, 2017

  • 基于刚性 ICP 模板对骨盖植入设计的半自动化工具及体素空间重建

    创伤性急症中，患者严重依赖颅骨修复及脑箱植入物的技术。然而，病人特定植入物（PSI）的设计是颅骨修复中最复杂、昂贵且最不自动化的任务之一。因此，我们创建了一个具有图形用户界面（UI）的原型应用程序，专门为半自动植入物生成定制，用户只需执行高级操作。提出的植入物生成过程的一般概要包括设置感兴趣区域、对齐模板，然后在体素空间中创建植入物。此外，我们表明通过仅考虑在缺陷边界附近的几何截止部分，可以显著改善对齐结果。该软件原型将以该 https 网址开源。

    Mar, 2024

  • VET: 点云补全和高质量神经渲染的视觉误差层析

    利用神经渲染和点云代理几何体，通过可填补缺陷的深度图像纠正视图合成中的问题，提高渲染质量和时间稳定性。

    Nov, 2023

  • 借助深度学习辅助自动检测，实现头部计算机断层扫描图像重建标准化

    提出了一种高效的自动头部 CT 图像三维重建方法，使用基于深度学习的目标检测算法自动重新格式化图像，并通过定性评估标准化重建结果展示了该方法的临床实用性和有效性。

    Jul, 2023