ReShapeIT：基于隐式模板的可靠形状交互用于解剖结构重建
计算机视觉与模式识别
2024-10-01 v3
摘要
体积医学图像的形状建模对于计算机辅助诊断中的定量分析和手术规划至关重要。为减轻临床专家的负担，重建的形状通常由深度学习模型（如卷积神经网络（CNN）或基于 Transformer 的架构）获得，随后通过移动立方体算法处理。然而，由于图像分辨率有限且缺乏形状先验约束，自动形状重建往往不尽完美。为克服这些限制，我们提出了基于隐式模板的可靠形状交互网络（ReShapeIT），该网络在连续空间而非离散体素网格中建模解剖结构。ReShapeIT 使用一个在同一类别内共享的隐式模板场，并辅以一个形变场来表示解剖结构。它通过加强实例形状与模板形状之间的对应约束，确保隐式模板场生成有效模板。然后，有效的模板形状可用于隐式泛化。引入了一个模板交互模块（TIM），通过将有效模板形状与实例级潜码交互来重建未见形状。在三个数据集上的实验结果证明了我们的方法在解剖结构重建中的优越性。ReShapeIT 在肝脏、胰腺和肺叶上取得的 Chamfer 距离/Earth Mover 距离分别为 0.225/0.318、0.125/0.067 和 0.414/0.098。
引用
@article{arxiv.2312.06164,
title = {ReshapeIT: Reliable Shape Interaction with Implicit Template for Anatomical Structure Reconstruction},
author = {Minghui Zhang and Hao Zheng and Yawen Huang and Ling Shao and Yun Gu},
journal= {arXiv preprint arXiv:2312.06164},
year = {2024}
}