RapidVol：从无传感器的 2D 扫描快速重建 3D 超声体积
图像与视频处理
2024-04-17 v1 计算机视觉与模式识别
摘要
二维（2D）自由手持超声声像学是最常用的医学成像模态之一，尤其在产科和妇科领域应用广泛。然而，它仅捕获固有三维解剖结构的二维横截面视图，丢失了宝贵的上下文信息。作为无需昂贵且复杂 3D 超声扫描仪的替代方案，可使用机器学习从 2D 扫描构建 3D 体积，但通常需要较长的计算时间。本文提出 RapidVol：一个加速 2D 切片到 3D 超声重建的神经表示框架。我们使用张量秩分解将典型 3D 体积分解为三平面集合，并存储这些集合以及一个小型神经网络。只需提供一组 2D 超声扫描及其 ground truth（或估计）的 3D 位置和方向（姿态），即可形成完整的 3D 重建。重建使用真实胎儿脑脊液扫描进行评估，然后通过请求新型横截面视图进行评估。与基于完全隐式表示（如神经辐射场）的先前方法相比，我们的方法快 3 倍以上，准确率提高 46%，且即使给出不准确的姿态也更具鲁棒性。进一步的加速也可能通过使用结构性先验而非从零开始进行重建来实现。
引用
@article{arxiv.2404.10766,
title = {RapidVol: Rapid Reconstruction of 3D Ultrasound Volumes from Sensorless 2D Scans},
author = {Mark C. Eid and Pak-Hei Yeung and Madeleine K. Wyburd and João F. Henriques and Ana I. L. Namburete},
journal= {arXiv preprint arXiv:2404.10766},
year = {2024}
}