UNSCT-HRNet：为全髋关节置换术中的关键点检测建模解剖不确定性
图像与视频处理
2024-11-14 v1 计算机视觉与模式识别
摘要
全髋关节置换术（THA）依赖于从 X 射线影像中准确检测关键点，但由患者体位不规则或解剖标记遮挡导致的非结构化数据给现有方法带来显著挑战。为此，我们提出 UNSCT-HRNet（非结构化 CT - 高分辨率网络），一种基于深度学习的框架，集成了空间关系融合（SRF）模块和不确定性估计（UE）模块。SRF 模块利用坐标卷积和极化注意力，增强模型捕捉复杂空间关系的能力。同时，基于熵的 UE 模块确保预测结果在解剖学上合理。对于非结构化数据，该方法无需依赖固定数量的点即可预测关键点，与现有方法相比显示出更高的准确性和更好的鲁棒性。我们的 UNSCT-HRNet 在非结构化数据上跨多项指标实现了 60% 以上的提升。实验结果还表明，该方法在结构化数据集上保持良好性能。总体而言，所提 UNSCT-HRNet 有望作为一种新的可靠、自动化的解决方案，用于 THA 手术规划和术后监测。
引用
@article{arxiv.2411.08488,
title = {UNSCT-HRNet: Modeling Anatomical Uncertainty for Landmark Detection in Total Hip Arthroplasty},
author = {Jiaxin Wan and Lin Liu and Haoran Wang and Liangwei Li and Wei Li and Shuheng Kou and Runtian Li and Jiayi Tang and Juanxiu Liu and Jing Zhang and Xiaohui Du and Ruqian Hao},
journal= {arXiv preprint arXiv:2411.08488},
year = {2024}
}