科研之友
微信
新浪微博
Facebook
分享链接
摘要
临床脑瘤手术或意外创伤引起的颅骨缺损需要手工设计颅骨植入物进行修复。颅骨植入物的边缘需要精确地吻合形态各异的缺损颅骨创伤口边界，但颅骨植入物手工设计用时周期长、技术门槛高且准确度低。为此，本文提出用于三维颅骨植入物自动化设计的信息器残差注意力U形网络(IRA-Unet)。本文将信息器(Informer)从自然语义处理领域应用到计算机视觉领域，设计信息器注意力进行注意力的提取，让模型更加关注颅骨缺损位置，将计算量和参数量从N2降到log(N)。本文进一步构建信息器残差注意力，将信息器注意力和残差结合并置于模型靠近输出层的位置，让模型能根据需求在全局感受野和局部信息中进行选择和综合，提高模型精度和加快模型收敛速度。本文使用颅骨植入物自动化设计挑战赛2020(AutoImplant 2020)公开数据集进行训练和测试，并在实验部分对比分析直接获得颅骨植入物和间接获得颅骨植入物两种方式对结果的影响。实验结果表明，本文所提模型具有较好鲁棒性，在AutoImplant 2020的110例测试集上取得戴斯系数值为0.940 4，豪斯多夫距离值为3.686 6的结果；本文所提模型在保证颅骨植入物外形精度的同时减少了模型运行所需的资源，可有效地辅助外科医生完成高效的颅骨修复自动化设计，从而提高患者术后的康复质量。
- 单位
