非刚性点云配准在内窥镜光学相干断层扫描中用于中耳诊断

​

Non-rigid Point Cloud Registration for Middle Ear Diagnostics with
Endoscopic Optical Coherence Tomography

解决问题：本论文旨在解决中耳诊断中的问题。目前的诊断方法主要依赖于医生的视觉判断，而且受到了某些因素的限制，如先前结构的影响。为了提高中耳诊断的准确性和效率，本文提出了一种基于点云的非刚性配准方法，将外部的形态知识与OCT体积数据相结合，以提高OCT数据的可读性。

关键思路：本文提出了一个名为C2P-Net的两阶段非刚性配准流程，用于从外部的形态知识中提取出的点云与来自OCT的点云进行配准。为了解决缺乏标记的训练数据的问题，本文还设计了一个快速有效的生成流程，用于模拟中耳形状并提取来自OCT的噪声和部分点云。相比当前领域的研究，本文的关键思路在于将外部形态知识与OCT数据相结合，以提高OCT数据的可读性。

其他亮点：本文的实验结果表明，C2P-Net能够处理合成和真实OCT数据中的噪声和不完整性，并且具有良好的泛化能力。此外，本文还提供了开源代码。这项工作的进一步研究方向包括更好的形态知识生成和更准确的OCT数据分割。

关于作者：本文的主要作者是Peng Liu，他们来自德国汉堡大学计算机科学系。他们的代表作包括：《基于图像的物体姿态估计：综述》和《基于深度学习的物体姿态估计：现状和未来方向》等。

相关研究：近期其他相关的研究包括：《基于深度学习的医学图像配准：现状和未来方向》（作者：Jing Qin，机构：北京大学）、《基于深度学习的医学图像分割：现状和未来方向》（作者：Hao Chen，机构：南京大学）等。

论文摘要：本文旨在通过光学相干断层扫描（OCT）图像来协助诊断中耳结构。中耳感染是最普遍的炎症性疾病，特别是在儿科人群中。目前的诊断方法是主观的，依赖于听诊器的视觉线索，这对于耳科医生来说是有限的，难以识别病理。为了解决这个缺点，内窥镜光学相干断层扫描（OCT）提供了中耳形态和功能的体内测量。然而，由于先前结构的影响，OCT图像的解释具有挑战性和耗时。为了促进快速诊断和测量，本文通过将体外中耳模型的形态知识与OCT体积数据合并，改善了OCT数据的可读性，从而进一步推广了OCT在日常临床中的应用。本文提出了C2P-Net：一个用于完整到部分点云的两阶段非刚性配准流程，分别从体外和体内OCT模型中采样。为了克服缺乏标记的训练数据，本文设计了一个快速有效的生成流程，利用Blender3D模拟中耳形状并提取体内嘈杂和部分点云。本文通过对合成和真实OCT数据集的实验评估了C2P-Net的性能。结果表明，C2P-Net具有泛化到未见过的中耳点云，并能够处理合成和真实OCT数据中的噪声和不完整性。本文的结论是，我们旨在通过OCT图像来协助诊断中耳结构。本文提出了C2P-Net：一个用于点云的两阶段非刚性配准流程，以支持首次解释体内嘈杂和部分OCT图像。代码可在以下网址找到：https://gitlab.com/ncttsopublic/c2p-net。

​Read More