Going Off-Grid: Continuous Implicit Neural Representations for 3D Vascular Modeling

要約

パーソナライズされた 3D 血管モデルは、心血管疾患患者の診断、予後、治療計画に役立ちます。
従来、このようなモデルは、メッシュやボクセル マスクなどの明示的な表現、または放射基底関数や原子 (管状) 形状などの暗黙的な表現で構築されてきました。
ここでは、微分可能な暗黙的ニューラル表現 (INR) で符号付き距離関数 (SDF) のゼロ レベル セットによってサーフェスを表すことを提案します。
これにより、暗黙的、連続的、軽量で、深層学習アルゴリズムとの統合が容易な表現で複雑な血管構造をモデル化できます。
ここでは、3 つの実際的な例を使用して、このアプローチの可能性を示します。
まず、CT 画像から腹部大動脈瘤 (AAA) の正確で水密な表面を取得し、表面上のわずか 200 点から堅牢なフィッティングを示します。
第二に、交差することなく、ネストされた血管壁を単一の INR に同時に適合させます。
3 番目に、個々の動脈の 3D モデルを 1 つの防水サーフェスにスムーズにブレンドする方法を示します。
私たちの結果は、INR が最小限のインタラクティブな注釈と複雑な血管構造の操作の可能性を持つ柔軟な表現であることを示しています。

要約(オリジナル)

Personalised 3D vascular models are valuable for diagnosis, prognosis and treatment planning in patients with cardiovascular disease. Traditionally, such models have been constructed with explicit representations such as meshes and voxel masks, or implicit representations such as radial basis functions or atomic (tubular) shapes. Here, we propose to represent surfaces by the zero level set of their signed distance function (SDF) in a differentiable implicit neural representation (INR). This allows us to model complex vascular structures with a representation that is implicit, continuous, light-weight, and easy to integrate with deep learning algorithms. We here demonstrate the potential of this approach with three practical examples. First, we obtain an accurate and watertight surface for an abdominal aortic aneurysm (AAA) from CT images and show robust fitting from as little as 200 points on the surface. Second, we simultaneously fit nested vessel walls in a single INR without intersections. Third, we show how 3D models of individual arteries can be smoothly blended into a single watertight surface. Our results show that INRs are a flexible representation with potential for minimally interactive annotation and manipulation of complex vascular structures.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google