基于几何约束的自由手三维超声体积神经隐式表面重建
图像与视频处理
2024-07-12 v4
摘要
三维（3D）自由手超声（US）是一种广泛使用的成像模态，允许在无辐射暴露的情况下对医学解剖结构进行非侵入性成像。超声体积的表面重建对于获取建模、配准和可视化所需的精确解剖结构至关重要。然而，由于图像噪声，传统方法无法生成高质量的表面。尽管深度学习方法在平滑度、连续性和分辨率方面有所改进，但关于自由手 3D 超声表面重建的研究仍然有限。本研究引入了 FUNSR，一种自监督的神经隐式表面重建方法，用于从超声体积中学习符号距离函数（SDF）。具体而言，FUNSR 通过移动在体积点云周围采样的 3D 查询点来迭代学习 SDF，以逼近表面，并由两个新颖的几何约束引导：符号一致性约束和带有对抗学习的在面约束。我们的方法在四个数据集上进行了全面评估，以证明其对各种解剖结构的适应性，包括一个髋关节体模数据集、两个血管数据集和一个公开的前列腺数据集。我们还展示了平滑且连续的表示极大地增强了超声数据的视觉外观。此外，我们强调了该方法在改善分割性能方面的潜力，以及其对噪声分布和运动扰动的鲁棒性。
引用
@article{arxiv.2401.05915,
title = {Neural Implicit Surface Reconstruction of Freehand 3D Ultrasound Volume with Geometric Constraints},
author = {Hongbo Chen and Logiraj Kumaralingam and Shuhang Zhang and Sheng Song and Fayi Zhang and Haibin Zhang and Thanh-Tu Pham and Edmond H. M. Lou and Kumaradevan Punithakumar and Yuyao Zhang and Lawrence H. Le and Rui Zheng},
journal= {arXiv preprint arXiv:2401.05915},
year = {2024}
}
备注
Preprint