基于树结构图卷积的点云生成模型用于三维脑形状重建
图像与视频处理
2021-07-22 v1 计算机视觉与模式识别
摘要
融合医学图像与相应的三维形状表示可提供互补信息与微结构细节，从而提升脑外科手术中的操作性能与精度。然而，相较于大量的图像数据，几乎不可能通过传感器扫描等物理方法获取术中三维形状信息，尤其在微创手术与机器人引导手术中。本文提出一种基于图卷积网络的通用生成对抗网络(GAN)架构，利用单张二维图像重建大脑的三维点云(PCs)，从而缓解术中获取三维形状数据的限制。具体而言，构建树结构生成机制以有效利用潜向量并在隐藏层间准确传递特征。借助所提生成模型，自发式的图像到点云转换可实时完成。我们的模型取得了具竞争力的定性与定量实验结果。在多种评估方法中，所提模型优于另一常用点云生成模型PointOutNet。
引用
@article{arxiv.2107.09923,
title = {A Point Cloud Generative Model via Tree-Structured Graph Convolutions for 3D Brain Shape Reconstruction},
author = {Bowen Hu and Baiying Lei and Yanyan Shen and Yong Liu and Shuqiang Wang},
journal= {arXiv preprint arXiv:2107.09923},
year = {2021}
}