利用描述器学习和基于功能地图的形状匹配来自动获取地标
Oshane O Thomas1, A Murat Maga1,2
1Center for Development Biology and Regenerative Medicine, Seattle Children's Research Institute, Seattle, Washington, United States of America.
这项研究引入了一种更快,更准确的方法,用于使用深度学习来放置解剖学里程碑,改善大型生物数据集的几何形态学. 该方法为手动地标和现有的自动化技术提供了灵活的替代方案.
科学领域:
- 生物科学 生物科学
- 几何形态测量几何形态测量
- 计算解剖学的计算解剖学
背景情况:
- 在几何形态测量学中手动地标放置是耗时的,并且限制了大型数据集的可扩展性.
- 现有的方法需要预先定义的假设,缺乏灵活性进行理论调整.
- 自动地标放置对于有效分析生物形状变化的分析至关重要.
研究的目的:
- 通过使用深度功能地图网络从功能对应得出的地标的精度和准确性进行调查.
- 开发和评估生物标本的自动标记方法.
- 将拟议方法的性能与最先进的技术 (MALPACA) 相比较.
主要方法:
- 使用深度功能地图网络来学习形状描述符并建立标本之间的点对点对应.
- 查询功能地图以根据最初的手动放置确定相应的地标.
- 将自动化标志过程应用于动物下的数据集进行比较分析.
主要成果:
- 提出的基于深度功能地图的方法在保持竞争力的准确性时,与MALPACA相比,显示出了显著的速度改进.
- 根平均平方误差 (RMSE) 分析显示了与MALPACA相似的性能,特别是在较小的训练数据集中,这表明强烈的概括性.
- 视觉评估证实了自动化地标位置的准确性,有可接受的偏差.
结论:
- 无监督学习模型显示了自动化解剖学里程碑放置的巨大潜力.
- 开发的方法为传统的手动和半自动地标技术提供了可行的,高效和灵活的替代方案.
- 这种方法提高了几何形态测量在生物研究中的可扩展性和适用性.
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
06:25Author Spotlight: Assessment of Visual Acuity in Central Vision Loss Through Motion-Based Peripheral Vision Testing
Published on: February 23, 2024
相关概念视频
Methods of Obtaining Topography
Field Application of Global Positioning System
Types of Global Positioning System Surveys
Design Example: Identifying the Locations of Monuments in the Field Using Global Positioning System Device
Selected Data About Geographic Locations
Manipulation and Analysis
