SAM++：利用语义信息与结构推断增强解剖结构匹配
计算机视觉与模式识别
2023-06-27 v1 机器学习
摘要
CT 和 MRI 等医学图像提供关于身体内部结构的详细信息，从这些图像中识别关键解剖结构在临床工作流中起着至关重要的作用。当前方法将其视为配准或关键点回归任务，在精确匹配方面存在局限，且只能处理预定义地标。近来，一些方法被引入以应对这些局限。其中一种称为 SAM 的方法提出使用稠密自监督方法学习 CT 图像上每个点的独特嵌入，并取得了有前景的结果。然而，SAM 在处理外观相似但语义不同、或语义相似但外观不同的结构时仍可能面临困难。为克服这些局限，我们提出 SAM++，一种通过新颖的定点匹配机制同时学习外观与语义嵌入的框架。我们在两项具有挑战性的任务上测试了 SAM++ 框架，显示出相较 SAM 性能的显著提升，并优于其他现有方法。
引用
@article{arxiv.2306.13988,
title = {SAM++: Enhancing Anatomic Matching using Semantic Information and Structural Inference},
author = {Xiaoyu Bai and Yong Xia},
journal= {arXiv preprint arXiv:2306.13988},
year = {2023}
}