RoCoSDF：用于自由手持三维超声成像形状重建的行列扫描神经有符号距离场
图像与视频处理
2024-08-15 v1 图形学
摘要
高质量形状几何的重建对于发展自由手持三维超声成像至关重要。然而，由于厚探头引起的仰视失真，多视角超声数据的形状重建仍然具有挑战性。本文提出了一种新颖的基于学习的框架 RoCoSDF，可以通过从行列扫描数据集导出的连续形状表示有效生成隐式曲面。在 RoCoSDF 中，我们将来自不同视角的数据集编码为相应的神经有符号距离函数（SDF），然后在归一化的三维空间中操作所有 SDF 以恢复实际曲面轮廓。无需在大规模真实形状上进行预训练，我们的方法可以从多视角 SDF 合成平滑且连续的有符号距离场，以隐式方式表示实际几何结构。此外，引入两种正则化器通过约束表面附近的 SDF 来促进形状细化。在两个超声探头采集的十二个形状数据上的实验验证了 RoCoSDF 能够有效从多视角超声数据重建精确的几何形状，优于当前的重建方法。代码可在 https://github.com/chenhbo/RoCoSDF 获取。
引用
@article{arxiv.2408.07325,
title = {RoCoSDF: Row-Column Scanned Neural Signed Distance Fields for Freehand 3D Ultrasound Imaging Shape Reconstruction},
author = {Hongbo Chen and Yuchong Gao and Shuhang Zhang and Jiangjie Wu and Yuexin Ma and Rui Zheng},
journal= {arXiv preprint arXiv:2408.07325},
year = {2024}
}
备注
Accepted by MICCAI 2024