ICCVJul, 2019

使用沙漏网络实现膝关节解剖标志定位的方法

PDF
TL;DR本文提出一种高效的卷积神经网络框架并引入特定的正则化和损失函数去解决骨关节炎各个阶段膝部 X 光图像解剖标志定位的问题，并且通过转移学习来提升定位精度。实验验证表明该方法在各个阶段的骨关节炎中具有比先前方法更好的泛化性能。
landmark localizationdeep neural networkssoft-argmaxtransfer learningosteoarthritis
发现论文，激发创造
  • 一种遮挡堆叠沙漏方法用于面部地标定位和遮挡估计

    本研究介绍了基于 Stacked Hourglass 网络的 Occluded Stacked Hourglass 模型，利用检测到的面部窗口，输出 68 个遮挡热力图，从而可以提取脸部特征，如头部姿势以及眼睛 / 嘴巴的张合程度，以便推导驾驶员的注意力和行为模式，模型的遮挡估计和头部姿势能力达到了最新的技术水平。

    Feb, 2018

  • 一种新的自动定位膝关节区域的方法

    本研究旨在开发一种新的计算方法，通过基于解剖学的联合区提案和方向梯度直方图的评估及其预先训练的支持向量机分类器的得分来自动定位关节区域，提高膝关节放射成像的客观性，结果表明该方法适用于大规模分析。

    Jan, 2017

  • 拉普拉斯地标定位

    本文提出了一种采用 LaplaceKL 目标和对抗训练框架的深度学习方法，处理具有挑战性数据的面部地标检测技术，并通过使用未标记的数据来提高模型性能，具有实时表现、实用价值，并在所有的 300W 基准测试中取得最佳效果及在人脸地标的 AFLW 数据集中排名第二。

    Mar, 2019

  • 多智能体强化学习在多个地标检测中的应用

    本文提出了一种基于多智能体强化学习的多个解剖标志点检测方法，使用 Deep Q-Network（DQN）架构构建环境和代理，并在训练过程中协作共享累积的知识，相较于现有技术方案，该方法将检测误差减少了 50％, 需要较少的计算资源和训练时间。

    Jun, 2019

  • 基于 Hourglass 网络的图像定位

    本文提出了一种基于编码器 - 解码器卷积神经网络结构的相机姿态估计方法，通过单张 RGB 图像来确定相机的方向和位置，包括卷积、上卷积和回归，利用大规模分类数据的转移学习，研究表明该方法在不同光照条件、反射和运动模糊的数据上具有良好的性能表现，与其他仅仅使用测试帧序列的方法相比具有明显的优越性。

    Mar, 2017

  • 联合体素和坐标回归：精确的三维面部关键点定位

    本文提出了一种基于 Joint Voxel and Coordinate Regression（JVCR）的 3D 面部标志定位方法，该方法采用端到端的方式，通过稠密的容积表示和卷积神经网络实现了更高效的学习和更准确的结果。该方法在 3DFAW 和 AFLW2000-3D 数据集上达到了最先进的性能。

    Jan, 2018

  • 使用 Few-shot Deep Adaptive Graph 进行 X 射线图像的可伸缩半监督地标定位

    本文提出一种基于 few-shot DAG 的半监督扩展方法，使用带 SSL 机制的教师 - 学生训练模型，在局部匹配中使用 JS 散度法来规范中间特征图的一致性，该方法在盆骨、手和胸部的地标检测任务中评估，结果较之前方法有显著提升。

    Apr, 2021

  • 基于拓扑自适应深度图学习的结构化地标检测

    本文提出了一种新的深度图形学习方法来进行精准的解剖面和医学（如手、骨盆）标志物检测，该方法结合了局部图像特征和全局形状特征，基于两个图卷积网络（GCNs）学习任务特定的结构。该方法在公共人脸图像数据集和 X 射线医学数据集上的实验结果表明，在鲁棒性和准确性方面的表现都优于先前的最新方法。学习到的图形拓扑的质量可视化证明了标志物背后物理上合理的连接。

    Apr, 2020

  • 使用深度卷积神经网络量化放射性膝关节骨关节炎病变程度

    本文利用深度卷积神经网络自动量化膝骨关节炎的严重程度。通过使用 ImageNet 对深度学习模型进行预训练，并在膝骨关节炎图像上进行微调，分类准确性可以显著提高。同时论文指出，使用均方误差等连续的距离指标来评估自动膝骨关节炎严重性预测的准确性更为恰当。结果表明，本文方法在 Osteoarthritis Initiative 提供的 X 射线图像和 KL 分级数据集上比当前技术水平有了显著的提高。

    Sep, 2016

  • 通过注意力特征金字塔融合和回归投票实现颅面标志物检测

    本文通过提出基于注意力机制、特征金字塔融合和逐像素回归投票等的深度学习框架，在头影测量图像的解剖标志点自动定位方面显著提高了检测精度，并展示了其在不同设备上的泛化能力和稳定性。

    Aug, 2019