用于椎体形状分析的概率性点云重建
图像与视频处理
2019-08-06 v2 计算机视觉与模式识别
摘要
我们提出一种用于点云（PC）的自动编码网络架构，能够在无监督情况下提取形状特征。在此基础上，我们（i）设计了一种能够对非结构化点云上的数据方差进行建模的损失函数，以及（ii）像变分自动编码器那样对潜空间进行正则化，二者均提升了自动编码器的描述能力并使其具有概率性。为评估我们架构的重建质量，我们将它们用于在无监督情况下检测椎体骨折。通过学会高效重建仅健康椎体，骨折被作为异常重建而检测出来。在一个包含约 1500 个椎体的数据集上评估，我们在不使用基于强度的特征的情况下取得了大于 75% 的 ROC 曲线下面积。
引用
@article{arxiv.1907.09254,
title = {Probabilistic Point Cloud Reconstructions for Vertebral Shape Analysis},
author = {Anjany Sekuboyina and Markus Rempfler and Alexander Valentinitsch and Maximilian Loeffler and Jan S. Kirschke and Bjoern H. Menze},
journal= {arXiv preprint arXiv:1907.09254},
year = {2019}
}
备注
Accepted at Medical Image Computing and Computer-Assisted Intervention (MICCAI), 2019; JSK and BHM are joint supervising authors