基于最小面积差的三维模型简化算法

文章提出了一种基于面积误差度量下的三维网格模型简化方法。该方法通过极小化误差目标函数来简化三角网格模型。算法首先对边遍历,计算每条边的最小面积差;然后对面积差最小的边进行折叠;最后通过求解折叠边的最小面积差,确定新点的坐标。实验结果表明,该算法不仅可以反映局部表面几何变化,还可使模型仍具有较高保真度。最后用实例说明了该方法的有效性。     

深度学习与影像自动化评估的肾肿瘤剜除术难度预分析

目的 早期肾癌可以通过肾肿瘤剜除术进行有效治疗，为了降低手术难度和减少手术并发症，需要对手术的难度进行合理有效的评估。本文将深度学习、医学影像组学和图像分析技术进行结合，提出一种基于CT（computed tomography）影像的肾肿瘤剜除术难度自动评估方法。方法 首先建立一个级联的端到端分割模型对肾脏、肾肿瘤和腹壁同时进行分割，同时融入子像素卷积与注意力机制，保证了小体积肿瘤分割的精确性；然后使用影像组学特征对误判的肾肿瘤进行去除；最后依据分割结果，采用国际标准的梅奥肾周粘连概率（Mayo adhesive probability，MAP）评分和R.E.N.A.L评分对肾脏和肾肿瘤进行自动化的评估计算，并根据计算结果得出肾肿瘤剜除术难度。结果 将实验的自动化评估结果与三甲医院泌尿科的3位医疗专家的结果进行对比，从预测的平均结果来看，超过两个专家，与最好的专家相差仅0.1%。平均预测时间，单个肿瘤约为244 ms，标准差只有8 ms，专家评估时间约为26 s，标准差在3 s左右，自动评估速度是人工的108倍左右。结论 自动化评估结果整体上与专家评估水平基本一致，同时评估速度更加快速稳定，可以有效替代专家进行自动化评估，为术前准确诊断、手术方案个体化规划和手术入路选择提供准确可靠的决策支持，给手术难度诊断评估提供智能化的医疗解决方案。