基于自累积视觉 Transformer 与 Sauvegrain 方法的骨龄评估
计算机视觉与模式识别
2023-03-31 v2 人工智能
摘要
本研究提出一种基于 Sauvegrain 方法的多元件、多任务分类模型用于骨龄评估（BAA）的新方法。自动化 Sauvegrain 方法（其评估肘部各标志点的成熟度评分并预测骨龄）的直接方案是独立训练分类器对各感兴趣区域（RoI）评分，但该方法将可获取信息局限于局部形态并增加计算成本。因此，本工作提出一种自累积视觉 Transformer（SAT），通过应用令牌重放与区域注意力偏置，缓解多视图、多任务问题中通常出现并限制视觉 Transformer 有效性的各向异性行为。大量实验表明，SAT 成功利用了标志点间关系并学习全局形态特征是，使 BAA 的平均绝对误差比先前工作低 0.11。此外，所提 SAT 的参数规模为先前工作独立分类器集成的四分之一。最后，本工作也为临床实践提供了有益启示，提升了青少年异常生长诊断中 BAA 的准确性与效率。
引用
@article{arxiv.2303.16557,
title = {Self-accumulative Vision Transformer for Bone Age Assessment Using the Sauvegrain Method},
author = {Hong-Jun Choi and Dongbin Na and Kyungjin Cho and Byunguk Bae and Seo Taek Kong and Hyunjoon An},
journal= {arXiv preprint arXiv:2303.16557},
year = {2023}
}
备注
13 pages