形态世界：基于可变形几何模板的冠状动脉 CT 血管造影一次性表面网格生成
图像与视频处理
2025-02-24 v2
摘要
深度学习医学图像分割和表面网格生成通常涉及从图像到分割再到网格的顺序流程，常需大量训练数据且未充分利用先验几何知识。这可能导致拓扑不一致并在数据有限时表现不佳。为解决这些挑战，我们提出一种基于几何先验的数据高效深度学习方法，用于直接对3D解剖对象表面网格生成。该方法采用多分辨率图神经网络， operates on 先验几何模板，以拟合感兴趣对象边界。我们展示了如何为不同的表面网格目标使用不同模板，并引入一种用于3D球形数据的新型掩码自编码器预训练策略。所提方法在一次性分割心包、左心室腔和左心室肌厚等方面优于 nnUNet。类似地，该方法在多平面重构图像上的其他腔隙分割任务中也表现优异。结果进一步表明，网格质量与基于体素掩码预测的 marching cubes 后处理相当或更好，同时保持对网格三角化先验选择的灵活性，从而为更准确且拓扑一致的3D医学对象表面网格生成铺平了道路。
引用
@article{arxiv.2409.11837,
title = {World of Forms: Deformable Geometric Templates for One-Shot Surface Meshing in Coronary CT Angiography},
author = {Rudolf L. M. van Herten and Ioannis Lagogiannis and Jelmer M. Wolterink and Steffen Bruns and Eva R. Meulendijks and Damini Dey and Joris R. de Groot and José P. Henriques and R. Nils Planken and Simone Saitta and Ivana Išgum},
journal= {arXiv preprint arXiv:2409.11837},
year = {2025}
}
备注
Submitted to Medical Image Analysis