本研究では、頭蓋欠損の自動再構築のための新しい手法として、自己教師型深層変形マスクオートエンコーダを提案した。従来の深層学習ベースの手法では、欠損部の正解データの取得が困難であるという課題があった。提案手法では、健全な頭蓋骨に対してランダムにマスクを適用し、変形を加えることで欠損部を生成する。このようにして得られた欠損部を入力とし、オートエンコーダネットワークによって欠損部の再構築を行う。
提案手法は、SkullBreakおよびSkullFixデータセットを用いて評価を行った。その結果、Dice係数、境界Dice係数、Hausdorff距離の95パーセンタイルの指標において、従来手法を大幅に上回る性能を示した。特に、SkullBreakデータセットにおいて、変形を加えることで大幅な性能向上が見られた。これは、変形を加えることで、より現実的な欠損形状を生成できるためと考えられる。
提案手法の利点として、健全な頭蓋骨さえあれば新しいデータセットに適用できることが挙げられる。一方で、提案手法は従来手法に比べて収束に時間がかかるという課題がある。今後は、健全な頭蓋骨に対するデータ拡張手法を検討することで、さらなる性能向上が期待できる。
Naar een andere taal
vanuit de broninhoud
arxiv.org
Belangrijkste Inzichten Gedestilleerd Uit
by Marek Wodzin... om arxiv.org 04-23-2024
https://arxiv.org/pdf/2404.13106.pdfDiepere vragen