计算机工程

作者：赵逸飞, 张俊华

单位：云南大学信息学院, 云南 昆明 650500

关键词：青少年特发性脊柱侧凸,生成式对抗网络,统计形状模型,图像生成,深度学习

基金：国家自然科学基金(62063034,61841112)。

统计形状模型(SSM)是一种描述可变形物体形态学变化的模型,被广泛应用于三维(3D)肝脏分割、3D脊柱生成等任务。针对现有SSM在生成虚拟青少年特发性脊柱侧凸(AIS)腰椎病例数据时存在生成结果不真实且对AIS病例适用性较差的问题,提出一种基于三维变分自编码生成式对抗注意力网络(3D-VGAN)的虚拟AIS腰椎自动生成方法。3D-VGAN模型由编码器、生成器和判别器组成,编码器和生成器在变分自编码器(VAE)模型的基础上结合空间注意力机制提取数据特征,同时利用残差模块解决了神经网络训练过程中的网络退化问题。为了克服生成-判别结构的3D-VGAN模型中存在的稳定性不强、生成器与判别器训练速度不匹配的问题,使用阈值训练法对3D-VGAN模型进行训练,提升了稳定性。在基于43例AIS病例腰椎3D模型的数据集上的实验结果表明:3D-VGAN模型在病例重建实验中的结构相似性(SSIM)系数为0.999 62,相比3D-VAE、3D-变分自编码生成式对抗注意力网络(VAEGAN)和SSM模型分别提高了0.080 09%、0.002 00%、0.122 20%;在病例生成实验中的弗雷歇初始距离(FID)系数为275.653 48,相比3D-VAE、3D-VAEGAN和SSM模型分别降低了8.420 55%、0.977 73%、7.319 27%。上述实验结果验证了3D-VGAN模型通过注意力机制、残差模块和阈值训练法取得了更好的虚拟AIS病例腰椎数据生成性能。

来源：2024年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第5期