SMRVIS：从三维超声中提取点云用于无损检测
图像与视频处理
2023-06-19 v2 计算机视觉与模式识别
机器学习
摘要
我们提出将超声体数据中的点云提取表述为一个图像分割问题。借助这一便捷的 formulation，我们开发并评估了一个快速原型，探索了残差网络、U-Net 和 Squeeze and Excitation Network 的多种变体。本报告记录了作为提交至开放挑战“CVPR 深度学习超声图像分析研讨会上的三维表面网格估计”的一部分、在两周内使用五个标注超声体数据和 84 个未标注体数据所整理的实验结果。根据挑战赛组织者进行的外部评估，该框架在挑战赛的 Leaderboard（https://www.cvpr2023-dl-ultrasound.com/）上获得第一名。源代码已在公共仓库（https://github.com/lisatwyw/smrvis）与研究社区共享。
引用
@article{arxiv.2306.04668,
title = {SMRVIS: Point cloud extraction from 3-D ultrasound for non-destructive testing},
author = {Lisa Y. W. Tang},
journal= {arXiv preprint arXiv:2306.04668},
year = {2023}
}