通过预测人类注视发现显著解剖标志点
计算机视觉与模式识别
2020-01-23 v1 机器学习
图像与视频处理
摘要
解剖标志点是许多医学影像任务的关键前提。通常，给定任务的标志点集合由专家预先定义。随后通过手动或基于手动标注训练的机器学习方法对给定图像的标志点位置进行标注。与之相反，本文提出一种自动发现并定位医学图像中解剖标志点的方法。具体而言，我们考虑吸引人类视觉注意力的标志点，称之为视觉显著标志点。我们以胎儿神经超声检查图像为例说明该方法。首先，使用实时超声医师注视追踪记录完整的临床胎儿超声扫描。接着，训练卷积神经网络（CNN）以预测超声医师在扫描视频帧上的注视点分布（显著性图）。然后利用该 CNN 预测未见胎儿神经超声图像的显著性图，并将标志点提取为这些显著性图的局部极大值。最后，通过聚类标志点 CNN 特征实现跨图像的标志点匹配。我们表明，所发现的标志点可用于仿射图像配准，其平均标志点对齐误差为胎儿头颅长轴长度的 4.1% 至 10.9%。
引用
@article{arxiv.2001.08188,
title = {Discovering Salient Anatomical Landmarks by Predicting Human Gaze},
author = {Richard Droste and Pierre Chatelain and Lior Drukker and Harshita Sharma and Aris T. Papageorghiou and J. Alison Noble},
journal= {arXiv preprint arXiv:2001.08188},
year = {2020}
}
备注
Accepted at IEEE International Symposium on Biomedical Imaging 2020 (ISBI 2020)