用于头影图像中标志点检测的注意力引导深度回归模型
图像与视频处理
2020-09-30 v3 计算机视觉与模式识别
机器学习
机器学习
摘要
头影测量描迹法通常用于正畸诊断与治疗规划。本文提出一种基于深度学习的框架，用于自动检测头影X射线图像中的解剖标志点。我们训练深度编码器-解码器进行标志点检测，并将全局标志点构型与局部高分辨率特征响应相结合。所提框架基于两阶段u-net，回归用于标志点检测的多通道热图。在该框架中，我们将注意力机制与全局阶段热图相嵌入，引导局部阶段推理，以高分辨率回归局部热图块。此外，扩展探索策略在推理时提高了鲁棒性，在不增加模型复杂度的前提下扩大搜索范围。我们在最常用的头影X射线图像标志点检测公开数据集上评估了我们的框架。在更少的计算量和人工调参下，我们的框架取得了最先进的结果。
引用
@article{arxiv.1906.07549,
title = {An Attention-Guided Deep Regression Model for Landmark Detection in Cephalograms},
author = {Zhusi Zhong and Jie Li and Zhenxi Zhang and Zhicheng Jiao and Xinbo Gao},
journal= {arXiv preprint arXiv:1906.07549},
year = {2020}
}