本文2100字,阅读大约需要7分钟
在医学图像分析中,我们需要识别解剖结构的标志位点,识别出的位点可用于临床分析以及解剖结构分割等用途。深度学习的发展,给这样的方法带来了一些新的可能,已有不少的研究。这种定位标志位点的算法,就像是射击打靶一样,需要尽可能精确的命中靶心的红点。2019年一篇论文介绍了SCN卷积神经网络如何去识别解剖标志位点,这里笔者尝试做一个简要的解读。
靶点训练一个识别解剖标志位点的卷积神经网络和人类训练打靶其实非常相似,两者都是希望尽可能地命中目标的最中心。人类在打靶的时候,靶点的中心有一个显著的红圈标记。医学图像的数据标注也类似,下图中的红色的十字标记即为一个人工标注点。
CT图像的脊椎骨位点标注
图中每一个红色的十字,代表一个解剖标记点(脊椎骨),一张图中会根据需要标记多个点。可以看到这样的标记只是一个点标记,实际上在打靶的时候我们无法完全命中绝对的靶心,只能尽可能地靠近靶心,在一个范围内即可。那么如何来定义这个范围?我们可以用一个