Seg4Reg+：脊柱分割与Cobb角回归间的一致性学习
计算机视觉与模式识别
2022-08-29 v1
摘要
用于Cobb角估计的自动化方法在脊柱侧弯评估中需求很高。现有方法通常从关键点估计计算Cobb角，或简单地将底层任务（如关键点检测和脊柱分割）与Cobb角回归任务结合，未充分挖掘彼此的增益。本研究中，我们提出一种新颖的多任务框架Seg4Reg+，联合优化分割与回归网络。我们深入探究了两者间的局部与全局一致性及知识迁移。具体而言，我们提出一个注意力正则化模块，利用图像-分割对中的类激活图（CAMs）为回归网络发现额外监督，且CAMs可反过来作为感兴趣区域增强门以促进分割任务。同时，我们设计了一种新颖的三角一致性学习以联合训练两个网络实现全局优化。在公开AASCE Challenge数据集上的评估证明了各模块的有效性及我们的模型相对于最先进方法的优越性能。
引用
@article{arxiv.2208.12462,
title = {Seg4Reg+: Consistency Learning between Spine Segmentation and Cobb Angle Regression},
author = {Yi Lin and Luyan Liu and Kai Ma and Yefeng Zheng},
journal= {arXiv preprint arXiv:2208.12462},
year = {2022}
}
备注
Accepted by MICCAI 2021