面向稳定皮瓣开口定位的检测-在-回路跟踪：基于主动记忆校正的闭环框架
计算机视觉与模式识别
2026-02-24 v1
摘要
在皮瓣开口定位中实现时间稳定性仍然具有挑战性，这源于单帧检测器和基础模型跟踪器的互补弱点：前者缺乏时间上下文，后者则受内存漂移的影响。具体而言，在视频喉镜检查中，快速组织变形、遮挡以及紧急情况下的视觉歧义，需要一种稳健、时序感知的解决方案，以防止累积性跟踪误差。我们提出闭环记忆校正 (CL-MC)，一个检测-在-回路框架，通过置信对齐状态决策和主动记忆校正来监督 Segment Anything Model 2 (SAM2)。高置信度检测触发语义重置，将覆盖受损跟踪器记忆，从而在复杂内窥场景中通过无训练的基础跟踪器有效缓解漂移累积。在紧急气管插管视频上，CL-MC 实现了最佳性能，显著降低了漂移和缺失率，优于 SAM2 变体和基于开环的方法。我们的结果表明，记忆校正是可靠临床视频跟踪的关键组成部分。我们的代码将在 https://github.com/huayuww/CL-MR 上公开。
引用
@article{arxiv.2602.19380,
title = {Detector-in-the-Loop Tracking: Active Memory Rectification for Stable Glottic Opening Localization},
author = {Huayu Wang and Bahaa Alattar and Cheng-Yen Yang and Hsiang-Wei Huang and Jung Heon Kim and Linda Shapiro and Nathan White and Jenq-Neng Hwang},
journal= {arXiv preprint arXiv:2602.19380},
year = {2026}
}
备注
Accepted to Medical Imaging with Deep Learning (MIDL) 2026