AutoImplant的基线方法：MICCAI 2020颅植入物设计挑战赛
计算机视觉与模式识别
2020-06-25 v2 图形学
机器学习
图像与视频处理
摘要
在本研究中，我们提出AutoImplant（https://autoimplant.grand-challenge.org/）——颅植入物设计挑战赛的基线方法，按组织者的建议，该任务可表述为体形状学习任务。在此任务中，缺损颅骨、完整颅骨与颅植入物均以二值体素网格表示。为完成该任务，植入物既可直接由缺损颅骨重建，也可通过缺损颅骨与完整颅骨之差获得。在后一种情况下，须由缺损颅骨重建完整颅骨，这定义了一个体形状补全问题。我们针对该任务的基线方法基于前一种表述，即训练深度神经网络由缺损颅骨直接预测植入物。该方法分两步生成高质量植入物：首先，编码-解码网络由下采样的缺损颅骨学习植入物的粗表示；粗植入物仅用于在原始高分辨率颅骨中生成缺损区域的包围盒。其次，训练另一编码-解码网络由包围区域生成精细植入物。在测试集上，所提方法取得平均Dice相似系数（DSC）0.8555与Hausdorff距离（HD）5.1825 mm。代码公开于https://github.com/Jianningli/autoimplant。
引用
@article{arxiv.2006.12449,
title = {A Baseline Approach for AutoImplant: the MICCAI 2020 Cranial Implant Design Challenge},
author = {Jianning Li and Antonio Pepe and Christina Gsaxner and Gord von Campe and Jan Egger},
journal= {arXiv preprint arXiv:2006.12449},
year = {2020}
}
备注
12 pages