以解剖学为指导的域调整为3D床上人类姿势估计
Alexander Bigalke1, Lasse Hansen2, Jasper Diesel3
1Institute of Medical Informatics, University of Lübeck, Ratzeburger Allee 160, 23538 Lübeck, Germany.
Medical image analysis
|July 15, 2023
概括
这项研究引入了一种用于3D人类姿势估计的新型领域适应方法,通过确保解剖学可信性和增强未标记目标领域的模型概括性来改善临床监测.
科学领域:
- 计算机视觉 计算机视觉
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 3D人体姿势估计对于临床监测至关重要.
- 深度学习模型与域移动作斗争,需要大量的标记数据.
- 现有的方法在现实世界临床环境中缺乏强大的概括性.
研究的目的:
- 开发一种用于3D人类姿势估计的新型领域适应方法.
- 改进从标记源域到未标记目标域的模型概括.
- 为了解决由于领域转移而导致的临床适用性的限制.
主要方法:
- 一种使用解剖学先验的新领域适应方法.
- 解剖学损失功能惩罚不可思议的姿势 (四肢/骨头长度,关节角度).
- 解剖学上可信的伪标签过与自我训练的平均教师范式集成.
主要成果:
- 与最先进的领域适应方法相比,持续优于性能.
- 在床上姿势估计方面,与基线模型相比 (31%/66%) 显著改善.
- 使用公开和新创建的数据集,大幅减少域差距 (65%/82%).
结论:
- 拟议的方法有效地将3D人体姿势估计模型适应使用解剖学知识的新领域.
- 这种方法通过提高概括性和减少对标记数据的依赖,提高了临床适用性.
- 该框架支持无监督和无源域适应3D人类姿势估计.
关键词:
解剖学受约束的优化优化在解剖学指导下进行自我训练.域名适应领域适应在床上的人类姿势估计估计.云点点点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云点云更多相关视频
10:23Author Spotlight: Three-Dimensional Cephalometric Landmark Annotation Demonstration on Human Cone Beam Computed Tomography Scans
Published on: September 8, 2023
2.8K
06:32Author Spotlight: Automated Deep Brain Stimulation for Parkinson's Disease - Exploring the Possibilities and Challenges of Home Monitoring
Published on: July 14, 2023
1.3K
