Cranial Defect Reconstruction Using Cascaded CNN with Alignment
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F20%3APU138873" target="_blank" >RIV/00216305:26230/20:PU138873 - isvavai.cz</a>
Výsledek na webu
<a href="https://link.springer.com/chapter/10.1007/978-3-030-64327-0_7" target="_blank" >https://link.springer.com/chapter/10.1007/978-3-030-64327-0_7</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-030-64327-0_7" target="_blank" >10.1007/978-3-030-64327-0_7</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Cranial Defect Reconstruction Using Cascaded CNN with Alignment
Popis výsledku v původním jazyce
Designing a patient-specific cranial implant usually requires reconstructing the defective part of the skull using computer-aided design software, which is a tedious and time-demanding task. This lead to some recent advances in the field of automatic skull reconstruction with use of methods based on shape analysis or deep learning. The AutoImplant Challenge aims at providing a public platform for benchmarking skull reconstruction methods. The BUT submission to this challenge is based on skull alignment using landmark detection followed by a cascade of low-resolution and high-resolution reconstruction convolutional neural network. We demonstrate that the proposed method successfully reconstructs every skull in the standard test dataset and outperforms the baseline method in both overlap and distance metrics, achieving 0.920 DSC and 4.137 mm HD.
Název v anglickém jazyce
Cranial Defect Reconstruction Using Cascaded CNN with Alignment
Popis výsledku anglicky
Designing a patient-specific cranial implant usually requires reconstructing the defective part of the skull using computer-aided design software, which is a tedious and time-demanding task. This lead to some recent advances in the field of automatic skull reconstruction with use of methods based on shape analysis or deep learning. The AutoImplant Challenge aims at providing a public platform for benchmarking skull reconstruction methods. The BUT submission to this challenge is based on skull alignment using landmark detection followed by a cascade of low-resolution and high-resolution reconstruction convolutional neural network. We demonstrate that the proposed method successfully reconstructs every skull in the standard test dataset and outperforms the baseline method in both overlap and distance metrics, achieving 0.920 DSC and 4.137 mm HD.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
—
Návaznosti
N - Vyzkumna aktivita podporovana z neverejnych zdroju
Ostatní
Rok uplatnění
2020
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Towards the Automatization of Cranial Implant Design in Cranioplasty
ISBN
978-3-030-64327-0
ISSN
—
e-ISSN
—
Počet stran výsledku
9
Strana od-do
56-64
Název nakladatele
Springer Nature Switzerland AG
Místo vydání
Lima
Místo konání akce
Lima
Datum konání akce
8. 10. 2020
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—