Point Cloud Diffusion Models for Automatic Implant Generation

要約

生体適合性材料の 3D プリンティングの進歩により、患者固有のインプラントの人気が高まっています。
しかし、これらのインプラントの設計は依然として面倒で、大部分が手作業のプロセスです。
インプラント生成を自動化する既存のアプローチは、主にダウンサンプリングされたデータまたはパッチ単位のデータに基づいた 3D U-Net アーキテクチャに基づいており、詳細やコンテキスト情報が失われる可能性があります。
拡散確率モデルの最近の成功を受けて、我々は 3D 点群拡散モデルとボクセル化ネットワークの組み合わせに基づくインプラント生成のための新しいアプローチを提案します。
拡散モデルの確率的サンプリングプロセスにより、欠陥ごとに異なるインプラントのアンサンブルを提案でき、医師はその中から最適なものを選択できます。
私たちは SkullBreak および SkullFix データセットでメソッドを評価し、高品質のインプラントを生成し、競争力のある評価スコアを達成します。

要約(オリジナル)

Advances in 3D printing of biocompatible materials make patient-specific implants increasingly popular. The design of these implants is, however, still a tedious and largely manual process. Existing approaches to automate implant generation are mainly based on 3D U-Net architectures on downsampled or patch-wise data, which can result in a loss of detail or contextual information. Following the recent success of Diffusion Probabilistic Models, we propose a novel approach for implant generation based on a combination of 3D point cloud diffusion models and voxelization networks. Due to the stochastic sampling process in our diffusion model, we can propose an ensemble of different implants per defect, from which the physicians can choose the most suitable one. We evaluate our method on the SkullBreak and SkullFix datasets, generating high-quality implants and achieving competitive evaluation scores.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google