HIT Webinar | [MedIA'25] 基于点图混合表征隐式场的3D肺部树状结构高效分割

星标“医工学人”，第一时间获取医工交叉领域新闻动态~

“

HIT Webinar 聚焦生物医疗，人工智能及前沿科技，围绕Healthcare，Intelligence & Technology探索医学影像处理、计算机视觉、智慧医疗、生物信息学、新型临床诊疗装备、智能康复机器人、医疗可穿戴设备、人工智能辅助制药等前沿技术的发展与应用。

本期特邀报告将于北京时间2024年12月6日晚上20：00于腾讯会议进行，时长一小时，欢迎您注册参加。

”

基于点图混合表征隐式场的3D肺部树状结构高效分割

北京时间2024年12月6日晚上20：00

#腾讯会议：783-427-051

肺部疾病是全球主要死亡原因之一。治愈这些疾病需要更深入地理解肺部系统中复杂的3D树状结构，如支气管和动静脉。然而，传统方法利用高分辨率图像堆栈和在稠密体素网格上运行的标准卷积神经网络（CNN），在计算效率、分辨率受限、局部上下文及形状拓扑结构的保持上面临挑战。我们的方法通过从稠密体素转向稀疏点云表示，改善了内存效率并更好地利用了全局上下文。然而，点云表示的固有稀疏性可能导致树状结构中关键连通性的丢失。为此，我们引入基于骨架结构的图学习方法，结合可微分的特征融合技术，以改进拓扑结构和长距离上下文捕获。更进一步的，我们采用隐式神经表征实现稀疏表示到稠密重建的端到端高效重建。相较于以往基于体素、点云或图的方法，我们的方法提升显著（2-13个百分点），并且推理速度在秒级，相比标准方法加速了约10倍。针对该领域的数据稀缺问题，我们还整理了一个全面的数据集用于验证我们的方法。相关代码、模型和数据均已开源：https://github.com/M3DV/pulmonary-tree-labeling

论文链接：https://doi.org/10.1016/j.media.2024.103367 END

研讨会信息

组织单位

医工学人

中科院苏州医工所研究生会

北京协和医学院医药健康创投会

中美生科青年创投俱乐部

NW Technology

招募令