Med-PU：用于高保真 3D 医学形状重建的点云上采样
计算机视觉与模式识别
2026-02-04 v4
摘要
高保真 3D 解剖重建是下游临床任务（如术前规划、放射治疗靶区描绘和骨科植入物设计）的必备条件。我们提出了 Med-PU 框架，将体积医学图像分割与点云上采样集成，用于准确的骨盆形状重建。与基于地标或 PCA 的统计形状模型不同，Med-PU 从大规模 3D 形状数据中直接学习潜在的解剖先验，实现从稀疏分割导出的点集进行密集完成和细化。该流程耦合 SAM-Med3D 基于体素的分割、点提取、深度上采样和表面重建，生成光滑且拓扑一致的网格。我们在骨盆 CT 数据集（MedShapePelvic 用于训练，Pelvic1k 用于验证）上对 Med-PU 进行评估，使用全面的几何和表面指标对比最新上采样方法。Med-PU 在表面质量和解剖忠实度方面 consistently 获得改进，同时减少了伪影，显示出在各种输入密度下的鲁棒性。虽然在骨盆验证，但该方法具有解剖agnostic 特性，可适用于其他骨骼区域和器官。这些结果表明 Med-PU 是一种实用且可推广的工具，连接分割输出与临床可用 3D 模型之间的桥梁。
引用
@article{arxiv.2501.16716,
title = {Med-PU: Point Cloud Upsampling for High-Fidelity 3D Medical Shape Reconstruction},
author = {Tongxu Zhang and Bei Wang},
journal= {arXiv preprint arXiv:2501.16716},
year = {2026}
}