暗中完成脊椎形态：基于 3D 超声的脊椎解剖结构补全
图像与视频处理
2024-04-12 v1 计算机视觉与模式识别
摘要
目的：超声声像（US）因无辐射优势而受到青睐，但因器官仅部分可见且缺乏完整的 3D 信息，导致诊断解释具有挑战性。医疗专业人员在进行基于超声的诊断或检查时，因而需在心里构建 3D 解剖的概念图。本研究旨在复制这一过程，并增强解剖结构的可视化表现。方法：我们引入一种基于点云的概率深度学习方法，通过 3D 形状补全来完成被遮挡的解剖结构，选取基于超声的脊柱检查作为应用场景。为支持训练，我们通过模拟超声物理并考虑内在伪影，生成部分遮挡脊柱视图的合成 3D 表示。结果：该模型在合成数据和患者数据上表现一致，其平均距离（CD）和中位数差异分别为 2.02 和 0.03。我们的消融研究表明，基于超声物理的数据生成对于补全精度至关重要，合成数据中的平均差异为 11.8，中位数差异为 9.55。此外，我们证明了解剖学地标（如脊柱棘突，重建 CD 为 4.73）和脊柱关节（与真实值的平均距离为 4.96mm）在 3D 补全中得以保留。结论：本工作证明了对腰椎进行 3D 形状补全的可行性，确保了层级特征的保存以及从合成到真实数据的成功泛化。该方法的采纳有助于更准确地完成患者数据的补全。值得注意的是，我们的方法保留了关键解剖学地标，并在正确位置重建关键注射部位。生成的数据和源代码将公开提供（https://github.com/miruna20/Shape-Completion-in-the-Dark）。
引用
@article{arxiv.2404.07668,
title = {Shape Completion in the Dark: Completing Vertebrae Morphology from 3D Ultrasound},
author = {Miruna-Alexandra Gafencu and Yordanka Velikova and Mahdi Saleh and Tamas Ungi and Nassir Navab and Thomas Wendler and Mohammad Farid Azampour},
journal= {arXiv preprint arXiv:2404.07668},
year = {2024}
}