LSDM：用于弱监督超声标志点跟踪的长短期微分同胚运动网络
计算机视觉与模式识别
2023-02-01 v2
摘要
随时间准确跟踪解剖标志点对于微创手术和肿瘤放疗等疾病评估具有高度价值。超声成像是一种有前景的模态，具有低成本和高实时采集的优势。然而，生成精确的标志点轨迹非常具有挑战性，因为尝试很容易受到不同干扰的扭曲，如标志点形变、视觉模糊和部分观测。在本文中，我们提出一个长短期微分同胚运动网络，这是一个具有可学习形变先验以搜索标志点合理形变的多任务框架。具体而言，我们在长时和短时域中设计了一种新颖的微分同胚表示，用于描绘运动边界并减少长期累积跟踪误差。为了进一步缓解局部解剖模糊，我们提出一种期望最大化运动对齐模块，迭代优化长时和短时形变，对齐到相同的方向和空间表示。所提出的多任务系统可以以弱监督方式训练，仅需要少量标志点标注用于跟踪，且长短期形变学习零标注。我们在两个超声标志点跟踪数据集上进行了大量实验。实验结果表明，与其他最先进（SOTA）跟踪方法相比，我们提出的方法能取得更好或具竞争力的标志点跟踪性能，并在不同扫描仪类型和不同超声模态间具有强泛化能力。
引用
@article{arxiv.2301.04748,
title = {LSDM: Long-Short Diffeomorphic Motion for Weakly-Supervised Ultrasound Landmark Tracking},
author = {Zhihua Liu and Bin Yang and Yan Shen and Xuejun Ni and Huiyu Zhou},
journal= {arXiv preprint arXiv:2301.04748},
year = {2023}
}