基于依赖于标志点的多尺度块之深度学习头影测量标志点识别
图像与视频处理
2019-06-10 v1 计算机视觉与模式识别
摘要
提出一种基于深度神经网络的头影测量标志点识别模型。两个神经网络，分别称为块分类与点估计，由从 935 张头影图像（日本年轻患者）裁剪的多尺度图像块训练而成，其尺寸与方向依据正畸医生考察的依赖于标志点的准则而变化。所提模型识别 22 个硬组织与 11 个软组织标志点。为评估所提模型，计算（i）真实值与估计值间欧氏距离误差的标志点估计精度，及（ii）估计标志点位于对应规范内（使用置信椭圆）的成功率。所提模型成功识别硬组织标志点，误差范围 1.32–3.5 mm，平均成功率 96.4%；软组织标志点误差范围 1.16–4.37 mm，平均成功率 75.2%。我们验证，考虑块的依赖于标志点的尺寸与方向有助于提升估计精度。
引用
@article{arxiv.1906.02961,
title = {Deep Learning based Cephalometric Landmark Identification using Landmark-dependent Multi-scale Patches},
author = {Chonho Lee and Chihiro Tanikawa and Jae-Yeon Lim and Takashi Yamashiro},
journal= {arXiv preprint arXiv:1906.02961},
year = {2019}
}