推进3D人脸创面填充提取：自动分割与创面人脸再生方法
计算机视觉与模式识别
2023-07-14 v3
摘要
面部创面分割在各种医疗应用的术前规划与优化患者预后中起着关键作用。本文提出一种利用双流图卷积网络自动化3D面部创面分割的高效方法。我们的方法利用 Cir3D-FaIR 数据集，并通过针对不同损失函数的大量实验来解决数据不平衡难题。为实现准确分割，我们进行了详尽实验并从训练模型中选出高性能模型。所选模型对复杂3D面部创面展现出卓越的分割性能。此外，基于该分割模型，我们提出一种改进的3D面部创面填充物提取方法，并与先前研究的结果进行比较。我们的方法在测试集上取得了 0.9999986\% 的惊人准确率，超越先前方法的性能。据此结果，我们使用3D打印技术来呈现创面填充的形状。本研究结果对参与术前规划和干预设计的医师具有重要意义。通过自动化面部创面分割并提升创面填充提取的准确性，我们的方法可辅助细致评估和优化干预，从而改善患者预后。此外，它通过利用机器学习和3D生物打印来打印皮肤组织植入物，推动了面部重建技术的发展。我们的源代码见 \url{https://github.com/SIMOGroup/WoundFilling3D}。
引用
@article{arxiv.2307.01844,
title = {Advancing Wound Filling Extraction on 3D Faces: Auto-Segmentation and Wound Face Regeneration Approach},
author = {Duong Q. Nguyen and Thinh D. Le and Phuong D. Nguyen and Nga T. K. Le and H. Nguyen-Xuan},
journal= {arXiv preprint arXiv:2307.01844},
year = {2023}
}