用于双透视 X 射线骨骼形状重建的空间划分增强占据场
图像与视频处理
2024-07-23 v1
摘要
从双透视 X 射线图像中获取 3D 骨骼解剖信息至关重要，因为其可显著降低传统基于 CT 方法的辐射暴露。尽管已提出多种深度学习模型以解决此复杂任务，但存在两个局限性：1）它们采用体素表示骨骼形状，利用 3D 卷积层捕获解剖先验，这些方法计算密集，限制了重建分辨率。2）它们忽略 X 射线图像中常见的遮挡效应，直接使用简单损失提取特征，难以充分利用复杂的 X 射线信息。为解决上述问题，我们提出空间划分增强占据场（SdAOF）。SdAOF采用连续占据场进行形状表示，将重建问题重新表述为每个点的占据值预测任务。其隐式和连续特性使得在推理过程中实现内存高效训练和不同分辨率下的细粒度表面重建。此外，我们提出新颖的空间划分增强蒸馏策略，以提供特征层面的指导以捕获遮挡关系。广泛的实验表明，SdAOF 在骨盆重建数据集上优于当前方法，能够重建细粒度骨骼表面。代码已公开于 https://github.com/xmed-lab/SdAOF。
引用
@article{arxiv.2407.15433,
title = {Spatial-Division Augmented Occupancy Field for Bone Shape Reconstruction from Biplanar X-Rays},
author = {Jixiang Chen and Yiqun Lin and Haoran Sun and Xiaomeng Li},
journal= {arXiv preprint arXiv:2407.15433},
year = {2024}
}
备注
Accepted to MICCAI 2024. Project link: https://github.com/xmed-lab/SdAOF