面向缺失组织自动识别的几何学习配对模型
计算机视觉与模式识别
2025-02-18 v1 医学物理
摘要
缺失组织在剂量映射中 presents a major challenge，尤其是在复发治疗情境下。我们提出了一个管线，用于基于先前训练的几何学习配对模型识别内患者结构网格中的缺失组织。针对本应用，我们依赖于输入网格之间正向与反向配对预测之间的差异，采用基于配对的逆一致性误差（cICE）进行量化。我们优化了应用于cICE的阈值，以识别35个模拟下颌切除数据集中缺失点。我们确定的阈值为5.5 mm，在训练数据上使用集成方法产生0.883的平衡准确率分数。该管线在一个真实案例中表现出合理结果，其中约25%的下颌在手术干预后被切除。然而，在更极端的情况下（约50%的下颌被切除），该管线失败了。这构成了首次提出几何学习模型用于识别对应解剖中缺失点的做法。
引用
@article{arxiv.2502.11265,
title = {Towards Automatic Identification of Missing Tissues using a Geometric-Learning Correspondence Model},
author = {Eliana M. Vasquez Osorio and Edward Henderson},
journal= {arXiv preprint arXiv:2502.11265},
year = {2025}
}
备注
Presented in XXth International Conference on the use of Computers in Radiation therapy. Pages 759-762 in XXth ICCR Proceedings, found in https://udl.hal.science/hal-04720234v1