LitCall：基于 CNN 学习隐式拓扑的主动脉关键点定位
图像与视频处理
2023-04-18 v1
摘要
关键点检测是用于自动化主动脉尺寸测量的图像处理流程中的关键组成部分。鉴于胸主动脉在人群中具有相对保守的拓扑结构，且经过少量训练的标注者即可从有限样本中估计未见关键点的位置，我们提出了一种辅助学习任务，通过基于 CNN 的网络学习主动脉关键点的隐式拓扑。具体而言，我们构建了一个网络，通过端到端地最小化隐式拓扑（Implicit Topology）损失，由可见关键点预测缺失关键点的位置。所提出的学习任务可轻松适配并与 Unet 风格的主干网络结合。为验证我们的方法，我们使用了一个包含 207 例 CTA 的数据集，在每根主动脉上标注四个关键点。我们的方法在定位精度上优于最先进的 Unet 风格架构（ResUnet、UnetR），且仅带来轻量（#params=0.4M）的额外开销。我们还在两个具有临床意义的应用中展示了我们的方法：主动脉亚区域划分与自动中心线生成。
引用
@article{arxiv.2304.07607,
title = {LitCall: Learning Implicit Topology for CNN-based Aortic Landmark Localization},
author = {Zhangxing Bian and Jiayang Zhong and Yanglong Lu and Charles R. Hatt and Nicholas S. Burris},
journal= {arXiv preprint arXiv:2304.07607},
year = {2023}
}
备注
Accepted to Medical Imaging 2022: Image Processing