Anatomical Landmark Detection Using a Multiresolution Learning Approach with a Hybrid Transformer-CNN Model

摘要

精確定位解剖標志點在臨床診斷、治療規劃和研究中具有重要作用。現有大多數深度學習方法主要依賴于熱圖回歸學習，該方法生成的標簽表示為以標記坐標為中心的二維高斯分布，并將其整合到單一空間分辨率的熱圖中。然而，這種方法的精度受到熱圖分辨率的限制，難以捕捉更細微的細節。

方法
在本研究中，我們引入了一種多分辨率熱圖學習策略，使網絡能夠通過獨立生成的多分辨率熱圖，精確捕捉語義特征表示，從而提高定位精度。此外，我們提出了一種新穎的網絡架構，稱為混合Transformer-CNN (HTC)，該架構結合了卷積神經網絡（CNN）和視覺Transformer模型的優勢，提高了網絡有效提取局部和全局表示的能力。
代碼地址

方法

實驗結果