FARNet：用于二维解剖标志点检测的特征聚合与精炼网络
计算机视觉与模式识别
2021-11-02 v1
摘要
解剖标志点的定位对于临床诊断、治疗规划与研究至关重要。本文提出一种名为特征聚合与精炼网络（FARNet）的新型深度网络，用于解剖标志点的自动检测。为缓解医学领域训练数据有限的问题，我们的网络采用在自然图像上预训练的深层网络作为骨干网络，并比较了若干流行网络。我们的 FARNet 还包含用于多尺度特征融合的多尺度特征聚合模块，以及用于高分辨率热力图回归的特征精炼模块。对两个模块施加由粗到细的监督以促进端到端训练。我们进一步提出一种名为指数加权中心损失（Exponential Weighted Center loss）的新型损失函数用于准确热力图回归，其关注标志点附近像素的损失并抑制远处像素的损失。我们的网络在三个公开解剖标志点检测数据集上评估，包括头颅侧位片、手部 X 光片与脊柱 X 光片，并在全部三个数据集上取得 SOTA 性能。代码见：\url{https://github.com/JuvenileInWind/FARNet}
引用
@article{arxiv.2111.00659,
title = {Feature Aggregation and Refinement Network for 2D AnatomicalLandmark Detection},
author = {Yueyuan Ao and Hong Wu},
journal= {arXiv preprint arXiv:2111.00659},
year = {2021}
}