Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Deep Learning-basierte Oberflächenrekonstruktion aus Binärmasken

 
: Tschigor, C.; Chlebus, G.; Schumann, C.

:

Palm, Christoph (Hrsg.):
Bildverarbeitung für die Medizin 2021 : Proceedings, German Workshop on Medical Image Computing, Regensburg, March 7-9, 2021
Wiesbaden: Springer Fachmedien, 2021 (Informatik aktuell)
ISBN: 978-3-658-33197-9 (Print)
ISBN: 978-3-658-33198-6 (Online)
ISBN: 3-658-33197-6
S.304-309
German Workshop on Medical Image Computing <2021, Regensburg>
Workshop Bildverarbeitung für die Medizin (BVM) <2021, Regensburg>
Deutsch
Konferenzbeitrag
Fraunhofer MEVIS ()

Abstract
Die Darstellung anatomischer Strukturen auf Basis von Segmentierungsergebnissen in Form von Binärmasken ist eine grundlegende Aufgabe im Bereich der medizinischen Visualisierung. Hierfür werden meist polygonale Oberflächen genutzt. Bei Binärmasken fehlt jedoch die Information über die tatsächliche Oberfläche, wodurch die erzeugten Repräsentationen unter Artefakten leiden. Eine Glättung der Maske oder der polygonalen Repräsentation kann dies reduzieren, führt jedoch auch zu Ungenauigkeiten. Diese Arbeit beschreibt einen Ansatz zur Berechnung einer vorzeichenbehafteten Distanzfunktion für eine gegebene Binärmaske auf Basis eines neuronalen Netzwerkes. Diese lässt sich anschließend mit klassischen Methoden in eine Oberfläche überführen, deren Visualisierung glatt und artefaktfrei ist und nur minimale Abweichungen einführt.

: http://publica.fraunhofer.de/dokumente/N-637670.html