Аннотация:
Мы предлагаем универсальную архитектуру нейронной сети для одноэтапной мультиклассовой генерации полигональных моделей анатомических структур по трехмерным медицинским изображениям. Ключевым элементом архитектуры является обучаемый аффинный модуль, который динамически позиционирует и масштабирует затравочные поверхности анатомических структур. Это устраняет необходимость ручной подготовки шаблонов и снижает число самопересечений итоговых сеток. Эффективность предложенного подхода мы подтвердили на наборах данных CHAOS и MMWHS. На CHAOS достигнут средний Dice 0.958 при ASSD 1.399 мм, причем самопересечения наблюдались лишь у 2 из 20 сгенерированных поверхностей. На MMWHS среднее значение Dice по структурам сердца составляет порядка 0.9, а доля самопересекающихся граней сопоставима с лучшими аналогами либо ниже. В совокупности результаты демонстрируют соответствие точности современному уровню при существенно более чистой топологии сеток. При абляционном анализе мы также подтвердили важность аффинного модуля для генерации топологически корректных полигональных моделей.
