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

摘要

精确定位解剖标志点在临床诊断、治疗规划和研究中具有重要作用。现有大多数深度学习方法主要依赖于热图回归学习，该方法生成的标签表示为以标记坐标为中心的二维高斯分布，并将其整合到单一空间分辨率的热图中。然而，这种方法的精度受到热图分辨率的限制，难以捕捉更细微的细节。

方法
在本研究中，我们引入了一种多分辨率热图学习策略，使网络能够通过独立生成的多分辨率热图，精确捕捉语义特征表示，从而提高定位精度。此外，我们提出了一种新颖的网络架构，称为混合Transformer-CNN (HTC)，该架构结合了卷积神经网络（CNN）和视觉Transformer模型的优势，提高了网络有效提取局部和全局表示的能力。
代码地址

方法

实验结果