双层对齐与超分辨率头部用于无监督的头脑测量地标定位
Gang Lu1, Xiangwen Wang1, Mangang Xie1
1College of Computer Science and Engineering, Northwest Normal University, No. 967 Anning East Road, Lanzhou, Gansu, 730070, CHINA.
Physics in medicine and biology
|January 8, 2026
概括
这项研究介绍了BiLASR,这是一种用于精确测定脑度地标的新框架. 它通过无监督域适应改善了不同临床中心的模型通用性,这对于诊断面形变形至关重要.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 在诊断和治疗牙上面部形时,头度标志的定位至关重要.
- 临床中心之间的领域转移限制了当前里程碑检测模型的通用性.
- 现有的方法在准确的本地化方面扎,原因是各领域的语义特征不对齐.
研究的目的:
- 为了提高头脑测量里程碑检测的跨领域通用性.
- 使用无监督域调整对准语义特征并提高输出分辨率.
- 开发一个强大的框架,用于精确的解剖学地标检测.
主要方法:
- 拟议的双层调整与超级分辨率头 (BiLASR) 框架.
- 采用自适应实例规范化来生成目标样式的图像,同时保持空间结构.
- 使用了带有伪标签的Mean-Teacher框架和用于生成高分辨率热图的轻量级超分辨率头.
主要成果:
- 实现了1.64毫米的平均定位误差.
- 在2毫米临床值内达到72.68%的成功检测率.
- 在解剖类型中获得了81.81%的平均分类准确率.
结论:
- 与最先进的无监督域适应方法相比,BiLASR显示出更高的性能.
- 该框架显示了脑力测量分析中临床应用的巨大潜力.
- 通过提高里程碑检测准确性和稳定性,突出了在正牙科手术规划中的实用性.
