.png){kind=icon}
返回
Boosting 3D Liver Shape Datasets with Diffusion Models and Implicit Neural Representations
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-04937-7_7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
尽管开放3D医学形状数据集的可用性正在增加，为研究社区带来显著益处，但我们发现其中许多数据集不幸存在组织混乱和包含伪影的问题。这些问题限制了鲁棒模型的开发和训练，特别是在精确3D重建任务中。本文考察了当前可用3D肝脏形状数据集的现状，并提出了一种利用扩散模型结合隐式神经网络表示（INRs）来增强和扩展现有数据集的解决方案。我们的方法利用扩散模型的生成能力创建真实、多样的3D肝脏形状，捕捉广泛解剖学变异并解决数据稀缺问题。实验结果表明，我们的方法增强了数据集多样性，提供了一种可扩展的解决方案以提升医学应用中3D肝脏重建和生成的准确性与可靠性。最后，我们建议扩散模型也可应用于3D医学成像的其他下游任务。代码可在https://github.com/Khoa-NT/hyperdiffusion_liver获取。
Keyword:
3D liver generation
3D liver reconstruction
Diffusion
Implicit Neural Representations
Laparoscopy
期刊
机构
引用论文
DiffBoost: Enhancing Medical Image Segmentation via Text-Guided Diffusion ModelDiffBoost：通过文本引导扩散模型增强医学图像分割
OAAI
OAAI分享收藏DeepSDF: Learning Continuous Signed Distance Functions for Shape RepresentationDeepSDF: 学习用于形状表示的连续符号距离函数
PREAI
分享收藏AbdomenAtlas: A large-scale, detailed-annotated, & multi-center dataset for efficient transfer learning and open algorithmic benchmarking用于高效迁移学习和开放算法基准测试的大规模、详细注释和多中心数据集.png)
MEDICAL IMAGE ANALYSIS
MEDICAL IMAGE ANALYSISIF11.8
PREAI
分享收藏HyperDiffusion: Generating Implicit Neural Fields with Weight-Space DiffusionHyperDiffusion: 生成基于权重空间扩散的隐式神经场OAAI
OAAI分享收藏TotalSegmentator: Robust Segmentation of 104 Anatomic Structures in CT ImagesTotalSegmentator: CT图像中104解剖结构的鲁棒分割OAAI
OAAI分享收藏
查看更多内容