XiaoMi-AI文件搜索系统
World File Search System变形模型
基于二维稀疏心脏磁共振成像的三维双心室心脏形状重建和建模的神经变形模型
我们提出了一种新颖的神经可变形模型 (NDM)，旨在从二维稀疏心脏磁共振 (CMR) 成像数据中重建和建模心脏的三维双心室形状。我们使用混合可变形超二次曲面对双心室形状进行建模，该超二次曲面由一组几何参数函数参数化，能够进行全局和局部变形。虽然全局几何参数函数和变形可以从视觉数据中捕捉到总体形状特征，但可以学习局部变形（参数化为神经微分同胚点流）来恢复详细的心脏形状。与传统可变形模型公式中使用的迭代优化方法不同，可以训练 NDM 来学习此类几何参数函数、来自形状分布流形的全局和局部变形。我们的 NDM 可以学习以任意尺度加密稀疏心脏点云并自动生成高质量的三角网格。它还可以隐式学习不同心脏形状实例之间的密集对应关系，以实现准确的心脏形状配准。此外，NDM 的参数直观，医生无需复杂的后处理即可使用。大型 CMR 数据集上的实验结果表明，NDM 的性能优于传统方法。
医学图像分析中的可变形模型：一项调查
摘要 本文概述了可变形模型，这是一种前景广阔且研究颇多的计算机辅助医学图像分析技术。在基于模型的技术中，可变形模型提供了一种独特而强大的图像分析方法，它结合了几何、物理和近似理论。通过利用从图像数据中得出的（自下而上的）约束以及（自上而下的）关于这些结构的位置、大小和形状的先验知识，它们已被证明能够有效地分割、匹配和跟踪解剖结构。可变形模型能够适应生物结构随时间和不同个体而发生的显著变化。此外，它们还支持高度直观的交互机制，在必要时，医学科学家和从业者可以将他们的专业知识用于基于模型的图像解释任务。本文回顾了关于可变形模型的开发和应用的迅速发展的工作，这些工作涉及医学图像分析中的基本重要问题，包括分割、形状表示、匹配和运动跟踪。