PK-YOLO：基于预训练知识的脑肿瘤多平面 MRI 切片检测
计算机视觉与模式识别
2025-04-22 v2 图像与视频处理
信号处理
应用统计
摘要
由于多平面磁共振成像（MRI）切片中结构的各种外观和关系，脑肿瘤在多平面 MRI 切片上的检测是一个具有挑战性的任务。本文提出了一种新的基于你只看一次（YOLO）的检测模型，将预训练知识（PK）融入其中，称为 PK-YOLO，以提高在多平面 MRI 切片上进行脑肿瘤检测的性能。据我们目前所知，PK-YOLO 是首个将预训练知识引导的 YOLO 基于目标检测器。该新方法的主要组成部分包括：通过稀疏掩码建模实现的预训练纯轻量卷积神经网络基座、集成预训练基座的 YOLO 架构，以及用于提高小目标检测性能的回归损失函数。预训练基座允许将对象查询在单个平面 MRI 切片上的特征可迁移性传输到模型编码器中，所学领域知识库可提升领域内检测效果。改进的损失函数进一步提升了在多平面二维 MRI 切片上小尺寸脑肿瘤检测的性能。实验结果表明，所提出的 PK-YOLO 在多平面 MRI 脑肿瘤检测数据集上表现与最新基于 YOLO 和 DETR 的目标检测器相当。代码已公开于 https://github.com/mkang315/PK-YOLO。
引用
@article{arxiv.2410.21822,
title = {PK-YOLO: Pretrained Knowledge Guided YOLO for Brain Tumor Detection in Multiplanar MRI Slices},
author = {Ming Kang and Fung Fung Ting and Raphaël C. -W. Phan and Chee-Ming Ting},
journal= {arXiv preprint arXiv:2410.21822},
year = {2025}
}
备注
References updated; for example, papers in NeurIPS 2024 proceedings appeared on 6 Feb 2025 and AAAI 2025 one on 11 Apr 2025