Jul, 2023

将图像配准问题构造为地标检测问题，以更好地表示临床相关性

PDF
TL;DR将图像配准方法转化为地标检测问题，通过子样本的互评分析计算误差分布并使用公式（中值 + delta * 中值绝对偏差）得到阈值，实现了先前无法区分的配准算法的区分，并进一步评估算法的临床意义。
发现论文，激发创造
  • 多分辨率融合的全自动颅面测量地标检测

    针对侧面头颅 X 射线图片的颅测定点检测在特定牙科疾病诊断中起着关键作用，通过以多个分辨率作为输入整合多种感受野的图像金字塔结构来训练一系列具有不同感受野的模型，其对不同的定点具有不同的检测准确率影响。此外，我们还采用了多种数据增强技术来增强模型在不同设备和测量选择方面的鲁棒性。我们将这种方法应用于 2023 年侧面头颅 X 射线图像颅测定点检测挑战中，在最终测试阶段实现了 1.62 mm 的平均径向误差（MRE）和 74.18% 的成功检测率（SDR）。

    Oct, 2023

  • 图像配准与亚像素估计

    图像配准是机器视觉中的经典问题，旨在在一般情况下对相同场景的离散图像进行亚像素精度对齐的方法。本文通过考虑与测量和量化相关的基本且理想化的一维图像配准问题，展示了在这种情况下可以进行子区间 / 亚像素推断的程度取决于所讨论函数的复杂性类型、函数与像素大小之间的关系以及可用的不同采样计数观察值的数量。

    May, 2024

  • 基于对比学习的多模态超声引导下对脑肿瘤切除的解剖标志物检测

    提出了一种用于神经外科应用中 MRI-US 标志物检测的对比学习框架，通过训练卷积神经网络在 MRI 和 US 扫描中编码图像特征，以匹配包含 MRI 相应标志物的 US 图像块，该方法首次在 MRI-US 标志物检测方面取得了有希望的结果。

    Jul, 2023

  • 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

  • 基于注册监督的无监督方法提高面部关键点检测器的精度

    通过图像和视频的无监督方法，利用光流法进行检测的统一性，提高面部标记检测器的精度，最终输出更精确的面部标记检测器，适用于单张图像或视频。

    Jul, 2018

  • 基于轻量级超分辨率头部人体姿态估计的颅面标志检测再探

    通过研究人体姿势估计（HPE）和头颅测量检测（CLD）之间的相似性，本文提出一种可靠的用于头颅测量检测性能改进的基准方法，并通过引入超分辨率模块和量化偏差的减少以进一步提升性能，在 MICCAI CLDetection2023 挑战中取得了显著的成绩。

    Sep, 2023

  • 自动数据标签化的迭代改进策略：医学影像中的人脸关键点诊断

    提出迭代细化策略以增强在医学应用中深度学习模型的准确性和效率，优化自动数据标注的质量，通过实证评估和案例研究证明迭代细化对于医学成像领域的深度学习任务具有重要作用。

    Apr, 2024

  • 最近人脸对齐方法的实证研究

    本论文提出了一种新的面部对齐评估指标 AUC, 并且在更实用的面部检测下扩充了 300W 数据库，进行了面部对齐灵敏度分析，得出了新的结论。

    Nov, 2015

  • 通过注册和三角化进行地标检测的监督

    本文介绍了一种无人监督的方法，使用未标记的多视角视频来改善地标探测器的精度和准确性，利用不需要人工注释的监督源，通过可微的配准和三维三角测量模块进行端对端训练，实验表明该方法可以提高地标检测在图像和视频中的精度和准确性。

    Jan, 2021

  • 检测 - 检索：图像搜索的高效区域聚合

    本文通过提供新的地标边界框数据集，展示了如何使用训练良好的地标探测器，在基于地标的检索系统中更高效地获取图像区域，并引入了一种新的区域聚合选择匹配核 (R-ASMK) 来提高图像检索精度。该图像检索系统在 Revisited Oxford 和 Paris 数据集上显著超越了之前的最新技术。

    Dec, 2018