3D Reconstruction of Anatomical Structures Using Interpolation Techniques and local Approaches

Abstract

The reconstruction of the surface is the process by which a 3D object is reproduced from a collection of discrete values that sample the shape. These values are generally called point cloud. Commonly, the reconstruction methods are based on the fundamental properties of the point clouds, which are the density samples, noise, missing data, and outliers. We aim to reconstruct the surface of anatomical structures from medical images; Consider two main problems that are missing data and the presence of noise. We resolve the missing data by generating new samples from a set of contours based on Shape Morphing techniques. If we add noise to the previous problem, we must change the focus and therefore use an implicit rebuild method that is solid for the problems presented above. Finally, we combine part of the previous proposals to solve a specific problem, that occurs when we reconstruct medical images, when a contour is bifurcated into another. The methods are evaluated with the public database from medical images and compared with the standardized algorithms of state of the art and the Hausdorff distance is used to measure the perfance

La reconstrucción de superficie es el proceso mediante el cual un objeto 3D se reproduce de una colección de valores discretos que muestran la forma. Estos valores generalmente son llamados nubes de puntos. Comúnmente, los métodos de reconstrucción se basan en las propiedades básicas de las nubes de puntos, que son la densidad de muestras, ruido, datos faltantes y los valores atípicos. Nuestro objetivo es reconstruir la superficie de estructuras anatómicas a partir de imágenes médicas. Consideraremos dos problemas principales que son los datos faltantes y la presencia de ruido. Resolvemos la falta de datos generando nuevas muestras a partir de un conjunto de contornos, basándonos en técnicas de Shape Morphing (forma cambiante). Si adicionamos ruido al problema anterior, debemos cambiar de enfoque por lo tanto utilizamos un método de reconstrucción implícita que se ha demostrado que es robusto a los problemas anteriormente mencionados. Por ´ultimo combinamos parte de las propuestas anteriores para resolver un problema específico, que se presenta cuando reconstruimos imágenes médicas, que se trata, cuando un contorno se bifurca en otros contornos. Los métodos se evaluarán sobre bases de datos públicas de imágenes médicas y se compararon con dos algoritmos estándar del estado del arte y la medición de rendimiento de reconstrucción será la distancia de Hausdorff