Apr, 2024

基于弗雷内框架的三维曲线结构分割方法

PDF
TL;DR通过 Frenet-Frame-based 点云转换，FreSeg 提出了一个面向 3D 曲线结构的部分分割任务的框架，使模型能够学习更通用的特征，并在涉及细长和曲线几何形状的任务上取得了显著的性能改进。
part segmentation3d curvilinear structuresfresegfrenet-frame-based point cloud transformationdendritic spine instance extraction
发现论文，激发创造
  • 基于 CNN 的深度图曲线 - 结构分割及其在文物探索中的应用

    本研究使用卷积神经网络来对文化遗产上雕刻或刻画成非常模糊的曲线结构进行自动分割，并通过实验证明了该算法在区分混杂曲线时的表现更为优秀。

    Nov, 2017

  • PartNet：一种用于细粒度和分层形状分割的递归部件分解网络

    本研究提出一种基于递归神经网络的分层式三维形状分割的深度学习模型，通过高层节点提供的强有力上下文线索来约束低层级别的分割，并使用递归上下文特征和相应部分提取的形状特征来提高每个节点的分割准确性。模型能够灵活自适应地将三维形状分割成多个部分，对细颗粒度和语义分割具有 state-of-the-art 的性能。

    Mar, 2019

  • SEGCloud：3D 点云的语义分割

    本研究介绍了 SEGCloud，一种利用三线性插值和完全连接条件随机场等方式得到端到端三维点级分割的框架，可实现对室内和室外三维数据集进行准确的场景标注。

    Oct, 2017

  • 自监督特征提取在三维轴突分割中的应用

    本文提出了一种基于自监督辅助任务的神经网络方法，可以自动追踪拟束状物结构在 3D 脑成像中的分支，从而实现对亚细胞级别下轴突的自动分割和分析。

    Apr, 2020

  • 曲线结构的联合分割和路径分类

    本文研究了识别图像中曲线结构的问题，提出了一种基于深度网络的方法，同时执行分割和路径分类这两个任务，以实现整个处理流程的连贯性，并在道路和神经元数据集上应用该方法。

    May, 2019

  • 基于深度神经网络的多发性硬化症病变和神经解剖分割

    本文探讨基于卷积神经网络（CNN）的分割解决方案，以提供多模式磁共振成像的快速，可靠的病变和灰质结构分割，重点研究了基于 2016 MSSEG 训练数据集上的两个完全卷积 CNN 架构的性能，并比较了其他方法的性能表现。

    Jan, 2019

  • 腔镜手术场景下的脊神经分割方法和数据集构建

    本文介绍了一种用于脊柱手术的首个实时分割方法，通过视频引导避免对脊神经的损伤，为外科医生提供重要的导航信息。此方法基于一份约 10,000 帧的细致注释分割数据集，针对语义分割问题，提出了 FUnet (Frame-Unet) 模型，通过利用帧间信息和自我注意机制，实现了业界最先进的性能。我们还对相似的息肉内窥镜视频数据集进行了拓展实验，结果表明该模型具有良好的泛化能力和优越的性能。本文提供了数据集和代码，详见此 https URL。

    Jul, 2023

  • 学习大规模神经元追踪的多模态体数据特征

    通过构建 FlyTracing 数据集和引入连接感知对比学习方法，本研究旨在降低人工工作量，减少电子显微镜数据中自动图像分割后的人工校对过程，并提出了一种有效的自动神经追踪方法。

    Jan, 2024

  • 学习三维物体的细粒度分割，无需部件标签

    本文介绍了一种以深度聚类为基础的三维形状部分分割方法，通过学习来自具有细颗粒度分割但没有零件标签的形状数据集的部分先验，它通过最小化新型低秩损失来实现部分分割并表现出优秀的性能。

    Mar, 2021

  • 电压成像的实时神经元分割

    在电压成像中，我们提出了一种快速神经元分割方法，能够从噪声视频帧中检测到多个可能重叠的尖峰神经元，并实现了包括所提出的分割方法和 GPU 加速的运动校正在内的数据处理流程。通过在现有数据集和新数据集上的测试，我们展示了我们的处理流程能够从混乱的数据集中提取与人工标注良好一致的神经元轮廓，并首次展示了在单台台式电脑上实现电压成像数据的实时处理。

    Mar, 2024