点云算法在医学领域的研究进展

作     者：李美佳 于泽宽 刘晓 颜荣耀 于媛媛 王大明 陈涓 陆军 祁鹏 王俊杰 刘杰 Li Meijia;Yu Zekuan;Liu Xiao;Yan Rongyao;Yu Yuanyuan;Wang Daming;Chen Juan;Lu Jun;Qi Peng;Wang Junjie;Liu Jie

作者机构：北京交通大学计算机与信息技术学院北京100044 复旦大学工程与应用技术研究院上海200433 北京医院(国家老年医学中心)神经外科北京100730 北京医院(国家老年医学中心)放射科北京100730 

基　　金：国家自然科学基金项目(KKA309004533) 首都卫生科研发展专项(2020-4-4053) 

出 版 物：《中国图象图形学报》 (Journal of Image and Graphics)

年 卷 期：2020年第25卷第10期

页      码：2013-2023页

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。

主 题 词：点云 医学应用 深度学习 分割 配准 

学科分类：1305[艺术学-设计学类] 13[艺术学] 08[工学] 081104[081104] 0804[工学-材料学] 0835[0835] 081101[081101] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.11834/jig.200253

馆 藏 号：203986262...