面向未知的优化：基于域对齐的头影标志检测
计算机视觉与模式识别
2024-10-08 v1
摘要
头影标志检测是识别头影学关键区域的过程。每个标志都是由临床医生标注的单个 ground truth 点。机器学习模型预测的标志概率位置由热力图表示。本文针对 2024 年 CL-Detection MICCAI 挑战，提出了一种包含区域面部提取模块和 X 射线伪影增强程序的域对齐策略。该方法在线上验证排行榜中，MRE 为 1.186mm，2mm SDR 为 82.04%，在挑战中排名位列第一。代码已公开于 https://github.com/Julian-Wyatt/OptimisingfortheUnknown。
引用
@article{arxiv.2410.04445,
title = {Optimising for the Unknown: Domain Alignment for Cephalometric Landmark Detection},
author = {Julian Wyatt and Irina Voiculescu},
journal= {arXiv preprint arXiv:2410.04445},
year = {2024}
}
备注
MICCAI CL-Detection2024: Cephalometric Landmark Detection in Lateral X-ray Images