利用高斯提议网络检测病灶边界椭圆
计算机视觉与模式识别
2019-02-27 v1
摘要
计算机断层扫描（CT）所表征的病灶，可以说常常呈椭圆形物体。然而，当前的病灶检测系统主要从流行的区域提议网络（RPN）沿用而来，这些网络仅提议边界框，未能充分利用病灶的椭圆几何特征。本文提出高斯提议网络（GPN），作为 RPN 的新颖扩展，用于检测病灶边界椭圆。与通常直接回归椭圆旋转角的做法不同，GPN 将边界椭圆表示为图像平面上的二维高斯分布，并最小化所提议高斯分布与真实高斯分布之间的 Kullback-Leibler（KL）散度以实现目标定位。我们表明，当旋转角为 0 时，KL 散度损失近似体现了 RPN 框架中的回归损失。在 DeepLesion 数据集上的实验表明，由于更低的定位误差，GPN 在病灶边界椭圆检测上显著优于 RPN。GPN 已在 https://github.com/baidu-research/GPN 开源。
引用
@article{arxiv.1902.09658,
title = {Detecting Lesion Bounding Ellipses With Gaussian Proposal Networks},
author = {Yi Li},
journal= {arXiv preprint arXiv:1902.09658},
year = {2019}
}