Multi-Resolution Fusion for Fully Automatic Cephalometric Landmark Detection

要約

頭蓋骨側面の X 線画像でのセファロランドマークの検出は、特定の歯科疾患の診断において重要な役割を果たします。
これらのランドマークを正確かつ効果的に識別することは、大きな課題となります。
広範なデータ観察と定量的分析に基づいて、さまざまな受容野からの視覚的特徴がさまざまなランドマークの検出精度に異なる影響を与えることを発見しました。
その結果、各ランドマークに最適な特徴の組み合わせを達成することを目的として、異なる受容野を持つ一連のモデルをトレーニングするための入力として複数の解像度を統合する画像ピラミッド構造を採用しました。
さらに、トレーニング中にいくつかのデータ拡張手法を適用して、さまざまなデバイスや代替測定方法にわたるモデルの堅牢性を強化しました。
この方法を側面 X 線画像におけるセファロランドマーク検出 2023 チャレンジに実装し、最終テスト段階で平均半径誤差 (MRE) 1.62 mm、検出成功率 (SDR) 2.0 mm 74.18% を達成しました。

要約(オリジナル)

Cephalometric landmark detection on lateral skull X-ray images plays a crucial role in the diagnosis of certain dental diseases. Accurate and effective identification of these landmarks presents a significant challenge. Based on extensive data observations and quantitative analyses, we discovered that visual features from different receptive fields affect the detection accuracy of various landmarks differently. As a result, we employed an image pyramid structure, integrating multiple resolutions as input to train a series of models with different receptive fields, aiming to achieve the optimal feature combination for each landmark. Moreover, we applied several data augmentation techniques during training to enhance the model’s robustness across various devices and measurement alternatives. We implemented this method in the Cephalometric Landmark Detection in Lateral X-ray Images 2023 Challenge and achieved a Mean Radial Error (MRE) of 1.62 mm and a Success Detection Rate (SDR) 2.0mm of 74.18% in the final testing phase.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google