基于轴向空间注意力和中间融合表示的单图像三维重建模型

提出一种基于注意力和中间融合表示的三维重建模型,旨在重建具有精细化结构的三维模型。该方法利用轴向空间注意力机制学习不同方向的信息,将其嵌入编码器中以捕获局部结构特征;并基于双流网络推测深度图和三维平均形状以设计中间融合表示模块,该模块能够有效地融合可见表面细节信息,从而更好地描绘对象的三维空间结构。实验结果表明:所提出的轴向空间注意力机制和中间融合表示模块增强了特征提取的能力,IoU和F-score比PixVox++分别提升了1.3%和0.4%,三维重建效果更优。

基于细粒度特征提取的轻量骨龄评估级联方法

针对现有骨龄自动评估模型细节特征提取能力较弱且没有兼顾手骨发育特点的问题,提出了一种基于轻量级网络的两阶段骨龄评估级联模型。首先,定位提取手掌区域进行背景去噪。其次,提出了一种新型的轴向空间注意力与多尺度并行空洞卷积相结合,融入模型中,从而提升模型细节特征提取能力。同时,将每个骨龄标签转化为两点分布向量,充分利用个体手骨发育的信息。实验结果表明,模型预测结果的平均绝对误差为4.80且评估误差在±0.5、±1、±2岁以内的准确率分别为69.26%、95.60%、99.80%。本研究提出的模型不仅能快速准确的评估骨龄,且充分考虑了手骨发育过程中所包含的信息,同时,基于轻量化的架构为其后续推广应用提供了基础,具有良好的临床应用前景。