密集Seg:用于语义细分和地标检测的联合学习,使用密集的图像到形状表示
Ron Keuth1, Lasse Hansen2, Maren Balks3
1Medical Informatics, University of Lübeck, Ratzeburger Allee 160, 23562, Lübeck, Germany.
International journal of computer assisted radiology and surgery
|January 23, 2025
概括
本研究引入了一种新的密集图像到形状表示,用于医疗成像中的联合语义细分和里程碑检测. 该方法在复杂的地标检测任务中表现出色,在没有明确的地标培训的情况下超过现有方法.
科学领域:
- 医学图像分析 医学图像分析
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 语义细分和地标检测对于医学图像分析至关重要.
- 深度学习在细分方面表现出色,但在地标检测方面扎,传统上是基于形状的方法的优势.
研究的目的:
- 为共同学习地标和语义细分提出一种新的密集的图像到形状表示.
- 通过表示解剖学对应物来实现任意地标的直观提取.
主要方法:
- 完全卷积式架构用于语义细分和地标检测的联合学习.
- 该方法使用密集的图像到形状表示.
- 性能与对细分和地标检测的最先进方法进行了比较.
主要成果:
- 该方法的结果与胸部X射线上的基准基准基准检测结果相似.
- 它在更复杂的儿科手腕数据集上大大超过了里程碑式检测基线.
- 对胸部X射线和儿科手腕骨数据集进行了评估.
结论:
- 密集的几何形状表示对于具有挑战性的地标检测任务是有利的.
- 拟议的方法的性能优于之前先进的热图回归技术.
- 该方法允许在不需要再培训的情况下添加新的地标,提高灵活性.
