基于多智能体强化学习的多解剖标志点检测
计算机视觉与模式识别
2019-07-24 v2
摘要
解剖标志点的检测是医学图像分析以及诊断、解读与引导应用中的关键步骤。手动标注标志点是一项繁琐的过程，需要领域专业知识并引入观察者间差异。本文提出一种基于多智能体强化学习的多标志点检测新方法。我们的假设是，所有解剖标志点的位置在人体解剖结构内是相互依赖且非随机的，因此找到一个标志点有助于推断其他标志点的位置。利用深度 Q 网络（DQN）架构，我们构建了一个具有隐式互通的环境与智能体，从而能够容纳 K 个智能体同时行动与学习，同时尝试检测 K 个不同标志点。训练期间，智能体通过共享其积累的知识以求得集体收益而进行协作。我们将我们的方法与最先进架构进行比较，在将检测误差降低 50% 的同时显著提升了精度，并且相较于分别训练 K 个智能体的朴素方法，所需计算资源与训练时间更少。
引用
@article{arxiv.1907.00318,
title = {Multiple Landmark Detection using Multi-Agent Reinforcement Learning},
author = {Athanasios Vlontzos and Amir Alansary and Konstantinos Kamnitsas and Daniel Rueckert and Bernhard Kainz},
journal= {arXiv preprint arXiv:1907.00318},
year = {2019}
}
备注
Accepted in MICCAI 2019, Camera Ready Version