基于神经网络从X射线（2D）图像估计与抽象化骨骼三维结构
计算机视觉与模式识别
2020-10-12 v1 机器学习
图像与视频处理
机器学习
摘要
本文提出一种基于深度学习的方法，用于从一对2D X射线图像估计骨骼的3D结构。我们经三元组损失训练的神经网络从预定义形状集中选出最匹配的3D骨骼形状。我们的预测在预测形状与真实形状之间的平均均方根（RMS）距离为1.08 mm，比所考察的其他八种3D骨骼重建方法的平均误差更精确。我们所用的预测过程完全自动化，且与许多竞争方法不同，它不依赖任何关于骨骼几何的先验知识。此外，我们的神经网络可仅基于X射线图像确定骨骼身份。它计算每张2D X射线图像的低维表示（“嵌入”），此后仅基于嵌入比较不同X射线图像。一个嵌入包含足够信息以100%准确率唯一识别属于输入X射线图像的骨骼CT，因此可作为该骨骼的一种指纹。可能的应用包括用于法医目的的更快速、基于图像内容的骨骼数据库检索。
引用
@article{arxiv.2001.11499,
title = {Estimating and abstracting the 3D structure of bones using neural networks on X-ray (2D) images},
author = {Jana Čavojská and Julian Petrasch and Nicolas J. Lehmann and Agnès Voisard and Peter Böttcher},
journal= {arXiv preprint arXiv:2001.11499},
year = {2020}
}
备注
13 pages, 5 figures, 1 table, submitted to Communications Biology