Instantiation-Net：从单张二维图像重建右心室三维网格
图像与视频处理
2019-09-20 v1 计算机视觉与模式识别
机器学习
机器学习
摘要
三维形状实例化是一种新兴的手术干预技术，它从有限的二维图像或投影中重建目标的三维形状。它将当前用于机器人辅助微创手术 (MIS) 的信息量少且不足的二维导航方案改进为三维导航。此前，基于核偏最小二乘回归 (KPLSR) 的通用免注册框架被提出用于三维形状实例化，但需要手动分割的解剖结构作为前提。此外，高斯宽度和成分数量这两个超参数也需要仔细调整。基于深度卷积神经网络 (DCNN) 的框架也被提出，用于从单张二维图像重建三维点云，实现端到端和全自动学习。本文提出 Instantiation-Net，通过使用 DCNN 从二维图像中提取特征，使用图卷积网络 (GCN) 重建三维网格，并使用全连接 (FC) 层连接 DCNN 与 GCN，从目标的单张二维图像重建其三维网格。进行了详细的验证，以证明该方法的实际优势及其潜在的临床应用。
引用
@article{arxiv.1909.08986,
title = {Instantiation-Net: 3D Mesh Reconstruction from Single 2D Image for Right Ventricle},
author = {Zhao-Yang Wang and Xiao-Yun Zhou and Peichao Li and Celia Riga and Guang-Zhong Yang},
journal= {arXiv preprint arXiv:1909.08986},
year = {2019}
}
备注
7 pages, 5 figures