Reconsider the Template Mesh in Deep Learning-based Mesh Reconstruction
Created by
Haebom
저자
Fengting Zhang, Boxu Liang, Qinghao Liu, Min Liu, Xiang Chen, Yaonan Wang
개요
본 논문은 적응형 템플릿 기반 메쉬 재구성 네트워크(ATMRN)를 제안합니다. 기존의 표준화된 템플릿 메쉬 변형 방식의 한계를 극복하기 위해, 입력 이미지로부터 적응형 템플릿을 생성하여 개별 피사체의 해부학적 차이를 고려한 메쉬 재구성을 수행합니다. OASIS 데이터셋의 대뇌 피질 자기 공명 영상(MR)을 사용한 검증 결과, 네 가지 대뇌 피질 구조에 걸쳐 평균 대칭 표면 거리가 0.267mm로 기존 방식보다 향상된 성능을 보였습니다. 제안된 방법은 다양한 영상 모드와 해부학적 구조에 적용 가능하다는 장점이 있습니다.
시사점, 한계점
•
시사점:
◦
기존의 고정된 템플릿 기반 메쉬 재구성의 한계를 극복하는 새로운 방법 제시.
◦
개별 피사체의 해부학적 차이를 고려하여 보다 정확한 메쉬 재구성 가능.
◦
OASIS 데이터셋을 이용한 검증 결과, 우수한 성능을 입증.
◦
다양한 영상 모드 및 해부학적 구조에 적용 가능한 일반적인 방법론 제시.
•
한계점:
◦
현재는 OASIS 데이터셋의 대뇌 피질 MR 영상에 대한 검증만 수행되었으므로, 다른 데이터셋이나 영상 모드에 대한 추가적인 검증 필요.
