DEEPBEAS3D: 深度学习与 B 样条显式主动表面

Sep, 2023

DEEPBEAS3D: 深度学习与 B 样条显式主动表面

DEEPBEAS3D: Deep Learning and B-Spline Explicit Active Surfaces

Helena Williams, João Pedrosa, Muhammad Asad, Laura Cattani, Tom Vercauteren...

TL;DR基于深度学习的自动分割方法常不够稳健，本文提出了一种创新的三维分割框架通过卷积神经网络将分割表示为 B 样条显式主动表面，保证了分割结果在三维空间中的平滑性、解剖学合理性，并允许用户精确地编辑三维表面，应用于经阴道腔超声图像中肛门括约肌复合体的三维分割任务，与临床工具作对比实验，结果表明：1）该框架赋予用户显式控制表面轮廓的能力；2）相比于现有临床工具，用户感知的工作负荷通过 NASA-TLX 指数降低了 30%；3）所需的用户时间比现有工具减少了 70%（170 秒），p<0.00001。

Abstract

deep learning-based automatic segmentation methods have become state-of-the-art. However, they are often not robust enough for direct clinical application, as domain shifts between training and testing data affect their performance. Failure in automatic segmentation can cause sub-optim

deep learning-based automatic segmentation 3d segmentation convolutional neural network b-spline explicit active surface transperineal ultrasound images

发现论文，激发创造

深度主动轮廓

该论文提出了一种结合深度、基于 patch 的表示和主动轮廓框架进行交互式边界提取的方法。作者使用了类别特定的卷积神经网络来训练向量预测器，以便指向感兴趣物体边界最接近的点，并使用 Sobolev 主动轮廓框架来演化轮廓。该方法在计算资源的使用方面非常高效，适合小型图形卡的使用，并在多个医学数据集和 PASCAL VOC 2012 数据集上进行了评估。

Jul, 2016

DeepIGeoS：一种深度交互测地框架用于医学图像分割

本文提出了一种深度学习交互分割方法，通过将用户交互与 CNN 结合，使用测地距离变换来提高自动 CNN 分割的精度和鲁棒性，并将用户交互作为硬约束集成到反向传播式 CRF 中，以实现在更高的精度下减少用户干预的目的。实验结果表明，与传统的交互式方法相比，该方法在自动 CNN 分割的基础上实现了大幅提升，并且在少数用户干预和更短的时间内具有可比甚至更高的准确性。

Jul, 2017

基于弹性边界投影的三维医学图像分割

本文提出一种新方法 —— 弹性边界投影（EBP），可以使用二维深度网络处理医学图像分割三维数据。该方法可以在不切分三维体积的情况下实现基于边界的分割，并在腹部器官分割方面取得了良好的准确性。

Dec, 2018

深度主动损伤分割

本文提出了一种基于 Convolutional Neural Networks 和 Active Contour Models 的 Deep Active Lesion Segmentation (DALS) 框架用于器官病变分割，该框架在新的 Multiorgan Lesion Segmentation (MLS) 数据集上取得了比竞争方法更好的性能。

Aug, 2019

深度结构主动轮廓端到端的学习

该研究提出了一种利用建筑物的几何特性来提高自动化建筑物分割模型准确性的方法，结合了主动轮廓模型和卷积神经网络，形成了一种可以端到端训练的结构化输出模型，达到了比现有技术更好的分割效果。

Mar, 2018

LapSeg3D: 采用点云的弱监督语义分割技术分析腹腔镜场景

本文提出了一个新颖的 LapSeg3D 基于深度学习的方法，用于手术场景的语义分割。通过针对胆囊进行半自动聚类标注管道生成标签，该方法可用于手术场景的自动化任务，其在不同数据集上测试胆囊分割的准确率（F1 score）达到了 0.94，且可适用于不同的 RGB-D 相机系统。

Jul, 2022

PerSival: 基于神经网络的肌肉骨骼生物力学中全渗透连续力学模拟的可视化

本研究提出了一种新的神经网络架构，用于对 3D 人类上肢骨骼系统模型进行全面的可视化。利用深度学习模型实现了实时可视化，使得连续力学模拟在视觉实时应用中变得可行。

Dec, 2023

DABS-LS：基于区域水平集自监督的深度基于图谱的分割

通过使用基于深度图谱的内部听道分割网络（DABS-LS）进行 Cochlear Implants（CIs）研究，我们提出了一种自我监督培训方案，准确推定听觉神经纤维的位置，并可改进 CI 编程。验证结果表明，DABS-LS 优于现有方法，对 IAC 分割的准确性得到了显著提高。

Feb, 2024

主动样条模型：基于形状的模型交互式分割

本文提出了一种基于某些方法的分割，能够在分割出现问题时，通过点分布模型来制定 Catmull-Rom 样条，实现交互式的模型分割，在通过改变曲线来处理分割后，我们在三种不同成像模式下进行了测试，平均重叠率为 0.879，通过编辑，平均重叠率提高到 0.945，最低重叠率为 0.925。

Feb, 2014

基于加权蒙特卡洛扩展球形 Fourier-Bessel 卷积层的三维腹部器官分割

本文描述了一种基于非参数共享的仿射群等变神经网络，用于三维医学图像分割，并基于自适应 Monte Carlo 扩充球形傅里叶 - 贝塞尔滤波基的聚合，通过采用非参数策略的效率和灵活性，首次实现了对体积数据进行高效的三维仿射群等变卷积神经网络的实现，引入的球形贝塞尔傅里叶滤波基结合了角度和半径直交性以实现更好的特征提取，在 BTCV 和 NIH 胰腺数据集上进行的三维图像分割实验表明，所提出的方法在训练稳定性和数据效率方面优于最先进的三维神经网络。

Feb, 2024