利用描述器学习和基于地图的功能形状匹配来实现鼠标下中的自动化解剖标志

科学领域:

• * 生物科学 生物科学
• * 几何形态测量 几何形态测量
• * 计算几何学的计算几何学

背景情况:

• * 在几何形态测量学中手动地标放置是耗时的,劳动密集的,容易出现人为错误,限制了可扩展性.
• * 传统方法需要大量的努力,以适应地标新假设或大数据集.
• * 在生物研究中存在对高效,灵活和自动化的标志方法的需求.

研究的目的:

• * 通过使用深度功能地图网络的功能对应生成的地标的精度和准确性.
• *通过询问已学习的功能地图来自动化解剖学地标的放置.
• * 将自动化方法的性能与 MALPACA 的性能进行比较,这是自动地标放置的标准工具.

主要方法:

• *利用深度功能地图网络学习形状描述符,以建立标本之间的点对点对应.
• * 开发了一种方法,通过查询功能地图来自动识别地标.
• *将该方法应用于动物下的数据集,并与MALPACA进行基准测试.

主要成果:

• * 开发的模型表现出比MALPACA的速度提升,同时实现了竞争力的准确性.
• *性能与MALPACA相似,具有很强的概括性,特别是在较小的训练数据集上.
• * 视觉评估证实了自动地标放置的精度,偏差在可接受范围内.

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.
• * 拟议的方法为传统的手工方法提供了实用,高效和灵活的替代方案.
• * 这一进步可以提高几何形态测量在大规模生物研究中的可扩展性和适用性.