盐 pepper 热图：扩散信息下的解剖标志检测策略
计算机视觉与模式识别
2024-07-15 v1
摘要
解剖标志检测是识别图像中关键区域以进行临床测量的过程。每个标志都是由临床医生标记的单个 ground truth 点。机器学习模型将标志的位置预测为由 heatmap 表示的概率区域。由于其高质量采样和模式覆盖，扩散模型在生成式建模中日益流行，导致其在医学图像处理中用于语义分割。扩散建模可以进一步适应来学习标志的分布。扩散模型的随机性捕捉标志预测的波动，我们利用其对 bluring 成为有意义的概率区域。在本文中，我们将自动解剖标志检测重新表述为精确的生成式建模任务，产生 few-hot 像素 heatmap。我们的方法在 state-of-the-art MRE 和 comparable SDR 性能上取得了优异成绩。
引用
@article{arxiv.2407.09192,
title = {Salt & Pepper Heatmaps: Diffusion-informed Landmark Detection Strategy},
author = {Julian Wyatt and Irina Voiculescu},
journal= {arXiv preprint arXiv:2407.09192},
year = {2024}
}