用于医学 landmark 检测的不确定性感知 U-Net
计算机视觉与模式识别
2023-03-21 v1
摘要
基于热图的方法在解剖学 landmark 检测中起着重要作用。然而，当前大多数基于热图的方法假设所有 landmark 的分布相同且每个 landmark 的分布是各向同性的，这可能不符合现实。例如，下颌上的 landmark 更可能沿边缘分布，而较少可能位于下颌内部或外部。人工标注往往遵循类似规则，导致标注 landmark 呈各向异性分布，这代表了标注中的不确定性。为估计该不确定性，我们提出一个名为 Pyramid Covariance Predictor 的模块来预测目标高斯分布的协方差矩阵，这些矩阵决定了 landmark 的分布并代表 landmark 标注的不确定性。具体而言，Pyramid Covariance Predictor 利用骨干 U-Net 编码器提取的金字塔特征，并预测 landmark 位置分布协方差矩阵的 Cholesky 分解。实验结果表明，所提出的 Pyramid Covariance Predictor 能准确预测分布并提升解剖学 landmark 检测的性能。
引用
@article{arxiv.2303.10349,
title = {Uncertainty-aware U-Net for Medical Landmark Detection},
author = {Ziyang Ye and Haiyang Yu and Bin Li},
journal= {arXiv preprint arXiv:2303.10349},
year = {2023}
}