基于注意力特征金字塔融合与回归投票的头影测量标志点检测
计算机视觉与模式识别
2019-08-26 v1
摘要
在头影测量放射学中标记解剖标志点是一项关键操作。由于不同标志点需要不同水平的分辨率和语义信息，自动且准确地定位这些标志点是一个具有挑战性的问题。基于这一观察，我们提出一种新颖的注意力特征金字塔融合模块（AFPF），以显式地塑造高分辨率且语义增强的融合特征，从而实现比现有基于深度学习的方法显著更高的精度。我们还结合热力图与偏移图进行像素级回归投票以提高检测精度。通过整合AFPF和回归投票，我们开发了一个端到端深度学习框架，在所有评估指标上比最先进方法的检测精度提高了7%~11%。我们呈现了消融研究以更深入地理解方法各组成部分，并展示了其对来自不同设备的未知数据的泛化能力与稳定性。
引用
@article{arxiv.1908.08841,
title = {Cephalometric Landmark Detection by AttentiveFeature Pyramid Fusion and Regression-Voting},
author = {Runnan Chen and Yuexin Ma and Nenglun Chen and Daniel Lee and Wenping Wang},
journal= {arXiv preprint arXiv:1908.08841},
year = {2019}
}
备注
Early accepted by International Conference on Medical image computing and computer-assisted intervention (MICCAI 2019)