解剖学位置嵌入
计算机视觉与模式识别
2024-09-17 v1
摘要
我们提出了一种自监督模型，为单个医学图像体素生成 3D 解剖学位置嵌入 (APE)。APE 编码了体素的解剖学接近度，即同一器官或邻近器官的体素总是具有比距离较远身体部位的体素更接近的位置嵌入。与现有的解剖学位置嵌入模型相比，我们的方法能够高效地为整个体积输入图像生成逐体素嵌入图，这使其成为不同下游应用的最佳选择。我们在 8400 张公开可用的腹部和胸部 CT 图像上训练了我们的 APE 模型。在解剖学标志检索和 13 个腹部器官的弱监督少样本定位任务上，我们展示了其相较于现有模型的卓越性能。作为一个实际应用，我们展示了如何以低成本训练 APE，将原始 CT 图像裁剪到不同的解剖学感兴趣区域，召回率达到 0.99，同时将图像体积缩减 10-100 倍。代码和预训练的 APE 模型可在 https://github.com/mishgon/ape 获取。
引用
@article{arxiv.2409.10291,
title = {Anatomical Positional Embeddings},
author = {Mikhail Goncharov and Valentin Samokhin and Eugenia Soboleva and Roman Sokolov and Boris Shirokikh and Mikhail Belyaev and Anvar Kurmukov and Ivan Oseledets},
journal= {arXiv preprint arXiv:2409.10291},
year = {2024}
}