用于解剖标志点定位的关系推理网络（RRN）
机器学习
2022-09-20 v2 计算机视觉与模式识别
机器学习
摘要
目的：我们在不对颅颌面（CMF）骨进行显式分割的情况下进行解剖标志点定位。为此，我们提出一种新颖、简单而高效的深度网络架构，称为关系推理网络（relational reasoning network, RRN），以准确学习 CMF 骨（具体而言为下颌骨、上颌骨与鼻骨）中标志点之间的局部与全局关系。方法：所提出的 RRN 以端到端方式工作，利用基于 dense-block 单元的已学标志点关系。对于给定的若干输入标志点，RRN 将标志点定位过程视为类似于数据填补问题，其中预测的标点为视为缺失。结果：我们将 RRN 应用于 250 名患者的锥形束计算机断层扫描（CBCT）。采用 4 折交叉验证技术，我们获得每个标志点平均均方根误差小于 2 mm。我们提出的 RRN 揭示了标志点之间独特的关系，有助于我们推断关于标志点信息性的若干推理。即使在骨中存在严重病变或变形时，所提出的系统也能准确识别缺失标志点位置。结论：准确识别解剖标志点是 CMF 手术变形分析与手术规划的关键步骤。无需显式骨分割即可实现此目标，解决了基于分割方法的主要局限，其中分割失败（在伴有严重病变或变形的骨中常有发生）易致标志点定位错误。据我们所知，这是利用深度学习发现物体解剖关系的首类算法。
引用
@article{arxiv.1904.04354,
title = {Relational Reasoning Network (RRN) for Anatomical Landmarking},
author = {Neslisah Torosdagli and Syed Anwar and Payal Verma and Denise K Liberton and Janice S. Lee and Wade W. Han and Ulas Bagci},
journal= {arXiv preprint arXiv:1904.04354},
year = {2022}
}