本文综述了科学根据X编辑过程政策编辑器强调了以下属性同时确保内容的可信度:

核查事实的

可信的源

校对

人工智能生成的内容有助于大脑三维重建

人工智能生成的内容有助于大脑三维重建
图1 HSPN的体系结构。信贷:SIAT

微创手术和自动化机器人帮助手术可能会表现在极端条件下,这需要新的要求术中信息获取能力。大脑三维(3 d)点云代中扮演着重要的角色在克服视觉这些手术的局限性。

生成人工智能的应用之一是大脑领域的3 d点云的一代。通过深入学习算法,三维点云重建患者的大脑可以生成在最低限度。然而,一些传统的现有点云重建方法仍有局限性,当直接用于实际手术场景。

现在,王教授领导的研究小组Shuqiang从深圳先进技术研究院(中国科学院SIAT)提出了一个层次化的形状的感知网络(HSPN)大脑更好的3 d重建。

该研究发表在IEEE神经网络和学习系统5月11日。

HSPN的拟议的框架由一个编码器,预测和多个编码块,和相应的解码器。预测构造生成点云精确描述不完整的图像,然后用高质量完成这些点云。

考虑到统一的信息流动与相邻模块,研究者们构建了一个层次注意管道传送当地注意编码和解码模块之间的功能。

人工智能生成的内容有助于大脑三维重建
图2比较不同的点的数量预测的过程。信贷:SIAT

同时,他们设计注意门阻塞(agb)的编码和解码有效总不完整点云局部几何特征通过分层重构点云的注意力管道和内部特征。AGB的就业可能会显著增加详细的表达能力,同时减少生成错误,提高稳定性。

提出HSPN, 3 d形状知觉和完成可以自发地实现。综合结果衡量Cloud-to-Point倒角距离和点云(PC-to-PC)误差表明,拟议中的HSPN优于其他竞争方法在定性显示方面,定量实验,分类评价。

“该方法有明显推理时间短,使有效的实时反馈当地的图像属性,”王教授说。“这种反馈可以指导医生手术的位置找到诊断有价值的东西。”

更多信息:鲍恩胡锦涛et al, 3 d重建大脑通过分层形状的感知网络从一个不完整的形象,IEEE神经网络和学习系统(2023)。DOI: 10.1109 / TNNLS.2023.3266819

所提供的中国科学院
引用:人工智能生成内容帮助在大脑三维重建(2023年5月15日)2023年5月17日从//www.pyrotek-europe.com/news/2023-05-ai-generated-content-3d-brain.html检索
本文档版权。除了任何公平交易私人学习或研究的目的,没有书面许可,不得部分复制。内容只提供信息的目的。

进一步探索

无透镜的复振幅解调基于深度学习在全息数据存储

10股票

反馈给编辑