基于欧拉示性变换的拓扑损失用于从单张 2D 切片重建 3D 图像
机器学习
2023-03-10 v1 定量方法
摘要
从单张 2D 图像切片重建 3D 图像（即形状）的计算机视觉任务极具挑战，在有限数据情形下更甚。深度学习模型通常优化几何损失函数，可能因忽略形状结构属性而导致糟糕重建。为此，我们提出一种基于欧拉示性变换的新型拓扑损失函数。该损失可作为归纳偏置，在有限数据情形下辅助任意神经网络优化以获得更好重建。我们将所提损失融入最优形状重建模型 SHAPR 中，并在两个基准数据集（红细胞与细胞核数据集）上测试，展示了其有效性。我们还展示了一种良好性质，即单射性，并讨论了基于欧拉示性变换的拓扑损失函数的稳定性。
引用
@article{arxiv.2303.05286,
title = {Euler Characteristic Transform Based Topological Loss for Reconstructing 3D Images from Single 2D Slices},
author = {Kalyan Varma Nadimpalli and Amit Chattopadhyay and Bastian Rieck},
journal= {arXiv preprint arXiv:2303.05286},
year = {2023}
}
备注
e-print