结构感知长短期记忆网络用于三维头影测量标志点检测
计算机视觉与模式识别
2022-02-21 v2
摘要
在锥形束计算机断层扫描（CBCT）上检测三维标志点对于评估和量化三维头影测量中的解剖异常至关重要。然而，当前的方法耗时且标志点定位偏差大，导致诊断结果不可靠。在这项工作中，我们提出了一种新颖的结构感知长短期记忆框架（SA-LSTM），用于高效准确的三维标志点检测。为了减少计算负担，SA-LSTM设计为两阶段。它首先通过下采样CBCT体素上的热图回归定位粗略标志点，然后通过使用多分辨率裁剪块进行注意力偏移回归逐步细化标志点。为了提高精度，SA-LSTM通过自注意力捕获裁剪块之间的全局-局部依赖关系。具体来说，一种新颖的图注意力模块隐式编码标志点的全局结构以合理化预测位置。此外，一种新颖的注意力门控模块递归地过滤不相关的局部特征，并保持高置信度的局部预测以聚合最终结果。在内部数据集和公共数据集上进行的实验表明，我们的方法优于最先进的方法，平均误差分别达到1.64毫米和2.37毫米。此外，我们的方法非常高效，仅需0.5秒即可推断分辨率为768×768×576的整个CBCT体素。
引用
@article{arxiv.2107.09899,
title = {Structure-Aware Long Short-Term Memory Network for 3D Cephalometric Landmark Detection},
author = {Runnan Chen and Yuexin Ma and Nenglun Chen and Lingjie Liu and Zhiming Cui and Yanhong Lin and Wenping Wang},
journal= {arXiv preprint arXiv:2107.09899},
year = {2022}
}
备注
IEEE Transactions on medical images