点云算法在医学领域的研究进展

摘要：

点云作为一种重要的3维数据,能够直观地模拟生物器官、组织等的3维结构,基于医学点云数据的分类、分割、配准、目标检测等任务可以辅助医生进行更为准确的诊断和治疗,在临床医学以及个性化医疗器械辅助设计与3D打印有着重要的应用价值.随着深度学习的发展,越来越多的点云算法逐步由传统算法扩展到深度学习算法中.本文对点云算法在医学领域的研究及其应用进行综述,旨在总结目前用于医学领域的点云方法,包括医学点云的特点、获取途径以及数据转换方法;医学点云分割中的传统算法和深度学习算法;以及医学点云的配准任务定义、意义,以及基于有/无特征的配准方法.总结了医学点云在临床应用中仍存在的限制和挑战:1)医学图像重建的人体器官点云分布稀疏且包含噪音、误差;2)医学点云数据集标注困难、制作成本高,可用于训练深度学习模型的公开数据集非常稀少;3)前沿的点云处理算法大都基于自然场景点云数据集训练,这些算法在医学点云处理中的鲁棒性和泛化能力还有待验证.随着医学点云数据集质量和数量的提升,医学点云处理算法的研究将会吸引更多的研究者.

关键词：点云、医学应用、深度学习、分割、配准

所属期刊栏目：25

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金项目;首都卫生科研发展专项

在线出版日期：2020-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：2013-2023