Core Concepts
Ein neuartiges End-to-End-Deep-Learning-Framework, das gleichzeitig mehrere Anatomien in einem Bild lokalisiert, populationsbasierte statistische Formrepräsentationen schätzt und jede Anatomie direkt im Bild abgrenzt.
Abstract
Das vorgestellte MASSM-Modell ist ein neuartiges End-to-End-Deep-Learning-Framework, das mehrere Anatomien in einem Bild gleichzeitig verarbeitet. Es besteht aus drei Hauptkomponenten:
Anatomie-Detektion: Dieses Netzwerk lokalisiert verschiedene Anatomien im Volumen und extrahiert deren Zentren und Begrenzungsboxen.
Lokale Korrespondenzen: Dieses Netzwerk nutzt die extrahierten Begrenzungsboxen, um lokale Partikelkorrespondenzen für jede Anatomie vorherzusagen. Diese lokalen Korrespondenzen repräsentieren die Formstatistik im Bildraum.
Globale Korrespondenzen: Dieses Netzwerk nutzt die vorhergesagten lokalen Partikel, um die globalen Korrespondenzen, also die populationsbasierte statistische Formrepräsentation nach Entfernung globaler Ausrichtungsunterschiede, vorherzusagen.
Im Vergleich zu bestehenden Methoden zeigt MASSM bessere Leistung bei der Vorhersage lokaler Partikelkorrespondenzen, da es die Herausforderungen der Berücksichtigung von Starrkörpertransformationen durch einen modularen Ansatz adressiert. Für die globalen Korrespondenzen ist die Leistung vergleichbar mit den Basislinien, die auf einzelne Anatomien spezialisiert sind. Insgesamt demonstriert MASSM die Leistungsfähigkeit eines End-to-End-Ansatzes für die statistische Formmodellierung mehrerer Anatomien.
Stats
Die Zentren der Anatomien werden durch die vorhergesagten Heatmap-Zentren und Offset-Karten extrahiert.
Die Radien der Begrenzungsboxen werden aus der vorhergesagten Radiuskarte extrahiert.
Quotes
"MASSM ist das erste Modell, das sowohl lokale als auch globale Korrespondenzen für mehrere Anatomien vorhersagt."
"Unsere Ergebnisse unterstreichen die entscheidende Rolle der lokalen Korrespondenzen und zeigen deren Unverzichtbarkeit für die Bereitstellung überlegener Forminformationen für medizinische Bildgebungsaufgaben."