基于深度图估计的oct血管造影三维血管重建
重磅干货，第一时间送达
小白导读
论文是学术研究的精华和未来发展的明灯。小白决心每天为大家带来经典或者最新论文的解读和分享，旨在帮助各位读者快速了解论文内容。个人能力有限，理解难免出现偏差，建议对文章内容感兴趣的读者，一定要下载原文，了解具体内容。
摘要
近年来，光学相干断层血管造影(OCTA)越来越多地应用于眼科和全身疾病的治疗。人工或自动分析二维OCTA图像(en face angiograms)中的血管是临床常用的方法，但它可能会丢失对临床决策有用的血管或毛细血管丰富的三维空间分布信息。在本文中，作者提出了一种基于八角图像的血管深度估计的三维血管重建框架。首先，作者设计了一个具有结构约束的网络来预测八角图像中的血管深度。为了提高预测深度图在整体结构级和像素级的精度，作者将MSE和SSIM loss结合作为训练损失函数。最后，利用估计的深度图和二维血管分割结果，实现血管三维重建。实验结果表明，该方法对八角图像的深度预测和三维血管重建是有效的。
在本工作中，作者的目标是通过预测深度图来估计每个八叉面血管造影的三维血管网络。据作者所知，这是第一次从八叉面血管造影中获得血管深度图和生成三维血管结构的工作。作者引入了一种带有结构约束的深度神经网络来预测人脸血管造影的深度图，并利用一种新的组合损失来训练网络，以确保血管的深度图接近其groundtruth(由CIRRUS HD-OCT 5000系统生成)。从深度图像中得到血管在三维空间中的空间位置，将二维血管分割结果与预测的深度图相结合，最终重构出三维血管结构。
框架结构
八分量图像深度估计方法综述
深度图及三维血管重建示意图
(a)面部八叉血管造影。(b)深度实值图。(c)用作者的方法预测深度图。(d)-(h)以不同视角重建三维血管。
结论
在这项工作中，作者提出了一个新的框架，通过深度预测网络在八度空间重建三维船舶结构。作者的方法的意义在于，这项工作可以被认为是第一次尝试预测血管深度信息的2D 人脸血管造影。将二维血管分割与预测的深度图相结合，对三维空间血管位置的不确定性进行了估计。在深度图预测和三维血管重建方面的高评价性能证明了该方法的有效性。它显示了在临床实践中探索3D血管分析的巨大潜力，作者将专注于在临床环境中使用所提出的框架来诊断眼部相关疾病。
每日坚持论文分享不易，如果喜欢我们的内容，希望可以推荐或者转发给周围的同学。
- END -
#投 稿 通 道#
让你的论文被更多人看到
如何才能让更多的优质内容以更短路径到达读者群体，缩短读者寻找优质内容的成本呢？答案就是：你不认识的人。
总有一些你不认识的人，知道你想知道的东西。深度学习爱好者 或许可以成为一座桥梁，促使不同背景、不同方向的学者和学术灵感相互碰撞，迸发出更多的可能性。
深度学习爱好者 鼓励高校实验室或个人，在我们的平台上分享各类优质内容，可以是最新论文解读，也可以是学习心得或技术干货。我们的目的只有一个，让知识真正流动起来。
📝 来稿标准：
· 稿件确系个人原创作品，来稿需注明作者个人信息（姓名+学校/工作单位+学历/职位+研究方向）
· 如果文章并非首发，请在投稿时提醒并附上所有已发布链接
· 深度学习爱好者 默认每篇文章都是首发，均会添加“原创”标志