Hluboké učení pro analýzu 3D geometrie v medicíně

Architektúry hlbokých neurónových sietí navrhnuté pre tradičné signály, ako sú pravidelne vzorkované obrázky a mriežky, sa nedajú priamo previesť na geometrické reprezentácie s nepravidelným charakterom, ako napríklad triangulované povrchy či mračná bodov. Keďže nástroje, ktoré produkujú tieto 3D dáta sú čoraz dostupnejšie, toto rozšírenie je pre plánovanie zákrokov v digitálnej medicíne stále viac a viac potrebné. Cieľom tejto práce je preskúmať využitie techník hlbokého učenia na analýzu trojuholníkových sietí. Na úlohu automatickej segmentácie zubov v povrchových skenoch čeľustí, automatizácie žiadanej v priemysle, je v tejto práci navrhnutý a vyhodnotený prístup založený na rekurentných viacpohľadových neurónových sieťach. Tento algoritmus prekonáva jednak konvenčný segmentačný algoritmus založený na metóde 3D Graph-Cutu, rovnako ako aj iné neeuklidovské metódy spracovávajúce mračná bodov či priamo štruktúru mešov. Na komplexných ortodontických prípadoch obsahujúcich skeny s krivými zubami či naskenovanými ortodontickými aparátmi dosahuje navrhnutý prístup hodnôt 0,966 na metrike váhovaného IoU a 0,382 mm na metrike 95 percentilu Hausdorffovej vzdialenosti. Výsledky sú sľubné pre nasadenie do softvéru na plánovanie zubných zákrokov, čo by zubným lekárom zefektívnilo pracovný postup a umožnilo im venovať viac pozornosti na samotnú liečbu.

Grantor dc:publisher

Vysoké učení technické v Brně. Fakulta informačních technologií

Author dc:creator

• Kubík, Tibor

Advisor dc:contributor.advisor

• Španěl, Michal

• segmentácia meshov
• segmentácia zubov
• dentálne skeny
• geometric deep learning
• rekurentné viacpohľadové neurónové siete
• ConvLSTM
• PointNet
• PointNet++
• MeshCNN
• mesh segmentation
• teeth segmentation
• dental scans
• recurrent multi-view neural networks

Statement dc:rights

• Přístup k plnému textu prostřednictvím internetu byl licenční smlouvou omezen na dobu 2 roku/let

Language dc:language.iso

en

Dc Identifier Other

145039

OAI identifier oai:identifier

oai:dspace.vut.cz:11012/255481