基于深度卷积网络的3D表面到内部结构翻译
计算机视觉与模式识别
2018-01-08 v1
摘要
我们的演示展示了一个利用在人体CT(计算机断层扫描)图像上训练的深度卷积神经网络,从3D表面模型估计人体内部结构的系统。为了拍摄体内结构图像,我们需要使用CT扫描仪或MRI(磁共振成像)扫描仪。然而,假设身体外形与内部结构之间的互信息不为零,我们便可以基于MRI和CT图像数据库从3D表面模型获得近似的内部结构。这意味着我们仅通过对身体表面进行3D扫描,就能知道一个人身体内可能患有何种疾病以及位置。作为首个原型,我们开发了一个基于爱荷华大学磁共振研究中心Visible Human Project DICOM CT数据集的从表面模型估计身体内部结构的系统。
引用
@article{arxiv.1801.01449,
title = {3D Surface-to-Structure Translation using Deep Convolutional Networks},
author = {Takumi Moriya and Kazuyuki Saito and Hiroya Tanaka},
journal= {arXiv preprint arXiv:1801.01449},
year = {2018}
}
备注
2 pages, 3 figures