Integrating Spatial Configuration into Heatmap Regression Based CNNs for Landmark Localization¶
论文地址¶
https://arxiv.org/abs/1908.00748
摘要¶
Cite
在许多医学图像分析应用中，通常只有有限数量的训练数据可用，这使得卷积神经网络（CNN）的训练具有挑战性。在这项关于解剖标志定位的工作中，我们提出了一种CNN架构， 该架构学习将定位任务分成两个更简单的子问题，从而减少了对大型训练数据集的需求。我们的全卷积空间配置网（SCN）将一个组件用于局部精确但不明确的候选预测， 而另一个组件通过结合地标的空间配置来提高对不明确的鲁棒性。在我们的实验评估中，我们表明，在大小有限的数据集上，所提出的SCN在地标定位误差方面优于相关方法。
在数据量较少时的有效训练方法
方法¶
大概是两个步骤，一个是回归热图，一个是精修热图