eigenvivek/DiffDRR

해결하는 문제

DiffDRR은 3D CT 볼륨에서 디지털 재구성 방사선 사진(DRR)—합성 X선 이미지—을 생성하는 방법을 제공합니다. 완전히 미분 가능하기 때문에 연구자들은 그래디언트 기반 최적화를 사용하여 2D X선과 3D CT 스캔을 정렬(2D/3D 정합)하거나 2D 투영에서 3D 볼륨을 재구성하는 것과 같은 의료 영상의 역문제를 해결할 수 있습니다.

작동 방식

X선이 3D 볼륨을 통과하는 방사선 경로를 계산하는 고전적인 알고리즘인 Siddon 방법을 PyTorch의 일련의 벡터화된 텐서 연산으로 구현합니다. 이 물리 기반 렌더링 프로세스를 텐서 대수로 재구성함으로써 카메라 포즈와 3D 볼륨 자체 모두에 대한 자동 미분이 가능합니다.

대상 사용자

이 도구는 수술 중 이미지 유도, 수술 내비게이션 및 X선 데이터를 다루는 컴퓨터 비전 작업을 수행하는 의료 영상 연구자와 개발자를 위해 설계되었습니다. 물리 기반 X선 시뮬레이션을 딥러닝 파이프라인에 직접 통합해야 하는 사람들을 대상으로 합니다.

주요 기능

• PyTorch 모듈로 통합된 미분 가능한 X선 렌더링.
• 빠른 성능을 위한 GPU 가속 합성.
• 그래디언트 기반 2D/3D 정합 및 볼륨 재구성 지원.
• 다양한 카메라 포즈 표현(예: 쿼터니언, 회전 행렬, 오일러 각도)과 호환.
• PyTorch를 사용한 순수 Python 구현.