用于逆渲染的深度学习兼容可微 X 射线投影
图像与视频处理
2021-02-08 v1 计算机视觉与模式识别
摘要
许多微创介入手术仍依赖于 2D 荧光成像。从这些 X 射线投影数据生成患者特定的 3D 模型将改善手术流程，例如通过提供自动定位等辅助功能。为此需要两样东西。第一，人体解剖结构的统计形状模型；第二，一个可微 X 射线渲染器。在本工作中，我们通过推导射线在网格结构内行进的距离以生成距离图，提出了一种可微渲染器。为演示其功能，我们将其用于从人体形状模型模拟 X 射线图像。然后我们通过求解逆问题展示其应用，即从骨盆的真实 2D 荧光图像重建 3D 模型，骨盆是患者配准的理想解剖结构。这通过采用梯度下降的迭代优化策略实现。由于骨盆大部分处于荧光视场内，我们实现的重建模型与真实分割之间的平均 Hausdorff 距离为 30 mm。
引用
@article{arxiv.2102.02912,
title = {Deep Learning compatible Differentiable X-ray Projections for Inverse Rendering},
author = {Karthik Shetty and Annette Birkhold and Norbert Strobel and Bernhard Egger and Srikrishna Jaganathan and Markus Kowarschik and Andreas Maier},
journal= {arXiv preprint arXiv:2102.02912},
year = {2021}
}
备注
7 pages, 3 figures, Accepted for Bildverarbeitung f\"ur die Medizin 2021