LmPT：用于3D点云解剖标志物检测的条件点变换器
计算机视觉与模式识别
2026-02-04 v1 人工智能
机器学习
摘要
精确识别解剖标志物对于各种医学应用至关重要。传统的手动标志物标记耗时且存在观察者间变异性，而基于规则的方法常针对特定几何形状或有限的标志物集合进行调校。近年来，解剖表面有效地作为点云表示，这些轻量级结构由空间坐标组成。遵循这一策略并为克服现有标志物技术的局限性，我们提出了Landmark Point Transformer (LmPT)，一种可利用来自不同物种同源骨骼进行翻译研究的自动解剖标志物检测方法。LmPT模型包含一种条件机制，使其能够适应不同类型的输入以进行跨物种学习。我们聚焦于使用人类和新标注的犬股骨进行评估，展示了其在不同物种之间的泛化和有效性。代码和犬股骨数据集将在 https://github.com/Pierreoo/LandmarkPointTransformer 上公开。
引用
@article{arxiv.2602.02808,
title = {LmPT: Conditional Point Transformer for Anatomical Landmark Detection on 3D Point Clouds},
author = {Matteo Bastico and Pierre Onghena and David Ryckelynck and Beatriz Marcotegui and Santiago Velasco-Forero and Laurent Corté and Caroline Robine--Decourcelle and Etienne Decencière},
journal= {arXiv preprint arXiv:2602.02808},
year = {2026}
}
备注
This paper has been accepted at International Symposium on Biomedical Imaging (ISBI) 2026