UltrON：超声占用网络

在免费手持超声成像中，超声技术师依赖于专业知识来将部分二维视图整合为三维解剖形状。形状重建可以帮助临床医生完成这一过程。核心任务在于选择合适的形状表示方法，因为这决定了结构如何被准确、有效地可视化、分析和解释。隐式表示，如SDF和占用函数，作为传统基于体素或网格的方法的强大替代方案，通过建模连续、光滑的表面并采用紧凑存储，避免了显式离散化。最近的研究表明，SDF可以通过从分割的B模式超声图像中派生的注释有效地优化。然而，这些方法依赖于精确的注释，忽视了B模式强度中嵌入的丰富声学信息。此外，隐式表示方法在处理超声的视角依赖性和声学阴影伪影方面存在挑战，这些伪影会损害重建效果。为解决遮挡和注释依赖问题，本文提出了一种基于占用的表示方法，引入\gls{UltrON}，利用声学特征以增强几何一致性，适用于弱监督优化场景。我们表明，这些特征可得自B模式图像，无需额外注释成本。此外，我们提出了一种新型损失函数，用于补偿B模式图像中的视角依赖性，促进来自多视角超声的占用优化。通过融合声学属性，\gls{UltrON}能够针对相同解剖结构的形状进行泛化。我们表明，\gls{UltrON}克服了遮挡和稀疏标注的局限性，为更准确的3D重建铺平了道路。代码和数据集将在 https://github.com/magdalena-wysocki/ultron 提供。