组件感知的高分辨率三维物体重建方法

基于体素表示的三维物体重建计算代价会随着体素分辨率的增加呈立方增长.为了缓解这一问题,提出组件感知的三维物体重建方法,将三维物体分解成多个组件,通过预测组件几何结构和组装组件的方式重建三维物体,从而将高分辨率三维物体的重建问题分解成一系列低分辨率组件的重建问题.组件感知的三维物体重建方法使用组件位置预测模块预测所有组件的位置;使用组件特征提取模块融合组件表观特征与组件几何特征生成组件联合特征;使用组件几何结构重建模块根据组件联合特征重建组件的几何形状;最后将所有组件按其位置信息组装成高分辨率的三维物体.实验使用ShapeNet数据集在一个拥有12 GB内存的NVIDIA 1080 Maxwell GPU上进行.对比方法包括一个基于八叉树的高分辨率重建方法、一个基于LSTM的低分辨率重建方法和一个使用编码器-解码器架构的Baseline方法.高分辨率重建结果显示,组件感知的三维物体重建方法能够以较小的计算代价取得满意的高分辨率三维物体重建精度.在低分辨率重建实验上,该方法也取得了更高的重建精度,在13个类别上的平均精度达到了0.618.

高分辨率CT三维重建在颅底骨折诊断中的应用

目的:探讨高分辨率CT三维重建在颅底骨折诊断中的应用效果;方法:通过对我院2015年至2016年收治给予治疗的颅底骨折患者40例进行分析,患者常规CT检测显示为阴性,采用高分辨率CT三维重建技术对影像学结果进行分析;结果:40例患者中直接显示颅底骨折35例,前颅底骨折17例,中颅底骨折16例,后颅底骨折2例,诊断阳性率达87.5%(35/40);结论:高分辨率CT三维重建在诊断颅底骨折方面准确率高,能直观地了解骨折部位以及其在颅底三维空间的形态及与毗邻结构的关系,对颅底骨折的诊断有很高的指导应用作用。