临床医生式追踪：基于解剖学引导的cephalometric landmarks 检测空间先验
摘要
临床医生通过遵循结构化解剖学工作流程来追踪头侧 X 光片——但尚无先验系统将其显式编码为计算方法。我们提出了一个五阶段解剖学引导管道，产生带置信度加权的空间先验，用于塑造 HRNet-W32 训练。该系统在 1,502 幅来自 7+ 种成像设备的 25 个 landmarks 上实现 1.04 mm 平均径向误差——通过显式解剖学先验实现，对比 HYATT-Net（1.05 mm on CEPHA29）。三向消融隔离了机制：解剖学先验维持 1% 的 validation-to-test 差距，而移除先验则导致 88% 的差距（1.94 mm）——尽管验证收敛相同。训练 x inference 先验矩阵确认：(1) 所有模型在 inference 中独立；(2) 28 通道架构本身无益；(3) 随机先验部分且不稳定（1.72 mm）；(4) 仅解剖学正确、图像特定的先验可达 1.04 mm——作为 training-time 正则化器发挥作用。无需在部署时生成先验。五折交叉验证（p=0.0015）、患者水平置换检验（p<0.0001, n=151）、复现基线、Grad-CAM 分析和临床验证（151 名患者中 100% 骨骼分类，包括 72 例边界案例，kappa=1.00）提供了一致证据。跨域实验支持先验有效性取决于 landmarks 空间熵的假设——在四个领域中按程序性验证。附录材料 included。
引用
@article{arxiv.2605.03358,
title = {Tracing Like a Clinician: Anatomy-Guided Spatial Priors for Cephalometric Landmark Detection},
author = {Sidhartha Mohapatra and Pallavi Mohanty},
journal= {arXiv preprint arXiv:2605.03358},
year = {2026}
}
备注
v2: Added patient-level permutation test (p<0.0001), hand X-ray prospective SEI validation with held-out test results, CSXA test-set evaluation, training x inference prior matrix, claim discipline table. Supplementary materials included. 20 pages, 23 tables, 15 figures, 35 references