SegMatch3D: Schnelle und exakte 3D-Bildsegmentierung durch Abgleich Topologischer Merkmale
SegMatch3D
Zusammenfassung
Das vorgeschlagene Projekt zielt darauf ab, die signifikanten Verbesserungen in der Topologie-erhaltenden Segmentierung medizinischer Bilder von der 2-dimensionalen Umgebung auf volumetrische Bilddaten auszuweiten. Nach einer erfolgreichen Python-basierten Proof-of-Concept-Implementierung unserer Methode der induzierten Matchings, einem Schlüsselteil des grundlegenden algebraischen Stabilitätstheorems der persistenten Homologie, werden wir eine leistungsstarke C++-Implementierung entwickeln, die die Effizienzanforderungen für das CNNs auf großen Datensätzen zu trainieren. Durch Einbeziehung von Optimierungen der hochmodernen persistenten Homologie-Software Ripser (entwickelt von PI Bauer) wird das Projekt das Matching von persistenten Homologiemerkmalen für lernbasierte 3D-Bildsegmentierungsmethoden für Blutgefäßnetzwerke sowie für die Verfolgung von Zellkernen anwendbar machen.