Apr, 2024

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

PDF
TL;DR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。
cranial injuriespersonalized implantsdeep neural networkssupervised image segmentationself-supervised masked autoencoder
发现论文，激发创造
  • 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

  • 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

  • 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

    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。

    Aug, 2023

  • 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

  • 自我监督的大脑损伤生成，用于医学图像的有效数据增强

    提出了一个综合框架，通过基于对抗自编码器的病变生成器和软泊松融合算法，高效地生成用于训练脑部病变分割模型的新的逼真样本，并引入原型一致性正则化以实现真实和合成特征的对齐，验证表明该方法在两个公共脑部病变分割数据集上优于现有的数据增强方案。

    Jun, 2024

  • 基于自编码器的制造质量控制与无监督类别选择

    基于视觉异常检测和无监督类别选择的缺陷定位自编码器在制造业中提高缺陷检测的准确度和可靠性。

    Sep, 2023

  • 自监督式脑部 CT 扫描中的异常外检测

    本文提出一种新的自监督学习技术来解决医学影像数据标注不足、数据不平衡等问题，在临床脑 CT 扫描的实验中，该方法取得了很好的效果。

    Nov, 2020

  • 表面遮罩自编码器：供大脑皮层成像数据的自监督

    本研究通过使用自监督学习以及具有表面网格的视觉转换器架构，构建了模型以模拟皮层结构，进而实现对皮层表面的学习。通过在较大数据集上进行预训练，可以获得强大的表示能力，用于在数据少的情景下进行微调，而在皮层表型回归任务中，预训练可以带来 26% 的性能提升和 80% 的更快收敛速度。

    Aug, 2023

  • 提升表面异常检测的切除与恢复：基于注意力的单一确定性掩码

    表面检查中的异常检测是制造业中一项重要且具有挑战性的任务，我们提出了一种名为 Excision and Recovery（EAR）的新型重建方法，通过单一确定性掩模来屏蔽潜在的疑似缺陷区域，用于异常检测。通过实验证明，EAR 模型在异常检测性能和吞吐量方面均优于现有方法。

    Oct, 2023

  • 网格式变分自编码器中的潜在解缠有助于颅面综合征的诊断及手术规划

    深度学习在人头部的形状分析方面具有巨大潜力，本文介绍了使用 Swap Disentangled Variational Autoencoder (SD-VAE) 对 Crouzon、Apert 和 Muenke 综合征进行分类和研究，同时第一次分析了头部各个区域对综合征表型的影响，并通过调整生成模型的特定参数和生成特定程序的新形状，模拟了一系列颅颜面手术的结果，从而为进一步的诊断、手术规划和手术效果的客观评估开辟了新的途径。

    Sep, 2023