利用基于块迭代网络快速定位多个解剖标志点
计算机视觉与模式识别
2018-10-09 v2
摘要
我们提出一种新的基于块迭代网络(PIN)，用于在3D医学体数据中快速准确地定位解剖标志点。PIN利用卷积神经网络(CNN)学习图像块与解剖标志点位置之间的空间关系。在推理阶段，图像块被反复送入CNN，直到估计的标志点位置收敛至真实标志点位置。PIN计算高效，因为推理阶段仅以迭代方式选择性采样少量图像块，而非在体数据中每个位置进行密集采样。我们的方法采用结合回归与分类的多任务学习框架以提高定位精度。我们通过使用主成分分析将PIN扩展至多个标志点定位，该方法建模了标志点之间的整体解剖关系。我们使用来自胎儿筛查检查的72张3D超声图像对PIN进行了评估。PIN定量上实现了5.59mm的平均标志点定位误差，以及每个体数据预测10个标志点0.44s的运行时间。定性上，由预测标志点位置导出的解剖2D标准扫描平面与临床真值视觉相似。源代码公开于https://github.com/yuanwei1989/landmark-detection。
引用
@article{arxiv.1806.06987,
title = {Fast Multiple Landmark Localisation Using a Patch-based Iterative Network},
author = {Yuanwei Li and Amir Alansary and Juan J. Cerrolaza and Bishesh Khanal and Matthew Sinclair and Jacqueline Matthew and Chandni Gupta and Caroline Knight and Bernhard Kainz and Daniel Rueckert},
journal= {arXiv preprint arXiv:1806.06987},
year = {2018}
}
备注
8 pages, 4 figures, Accepted for MICCAI 2018