BriefGPT - AI 论文速递
·
基于 GNN 的从单视角 2D 投影重建体积器官形状的 Deep-Motion-Net
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一个新颖的端到端注意力图神经网络模型，用于实时生成肝脏的三角形形状。该方法通过2D MRI横截面图像捕捉隐藏模式，并与治疗期间的图像相对应。平均误差为3.06+-0.7毫米，Chamfer距离为63.14+-27.28。
🎯
关键要点
- 提出了一种新颖的端到端注意力图神经网络模型。
- 该模型用于实时生成肝脏的三角形形状。
- 模型基于手术前参考分割和治疗期间的2D MRI横截面图像。
- 使用图神经网络处理图形数据，捕捉非欧几里得域中的隐藏模式。
- 与现有方法不同，该方法在网格结构中生成形状并推断网格形状和位置。
- 提出了两种实时方法使肝脏网格顶点与2D图像相对应。
- 引入了一种新型任务特定身份信息损失以限制肝脏的变形。
- 该方法的平均误差为3.06±0.7毫米。
- L2范数下的Chamfer距离为63.14±27.28。
🏷️
标签
➡️
