CT再構成ボリュームでの解剖学的ランドマークの検出に関するアドバイス

私は、CT再構成ボリューム内のいくつかの医学的に定義された解剖学的ランドマークを自動的に検出しようとしています。医師はこれらのランドマークを使用して、いくつかの患者固有のパラメータを測定します。これらの解剖学的ランドマークは「キーポイント」の一種であるため、SIFT機能記述子を使用しようとしました。ランドマークは、SIFTで定義されている「注目点」ではない点（または小さな領域）であるため、これはあまりうまく機能しませんでした。多くのパターン/テンプレートマッチングアルゴリズムを探していましたが、回転/平行移動/スケールの問題がない場合、抽出された機能では各ランドマークが（残りのランドマークおよび残りの非ランドマークから）十分に区別されないことがわかりますランドマークパッチ）十分に機能する（少なくとも検出精度の80％）分類器をトレーニングします。

問題を十分に明確に述べていない場合はお知らせください。

アドバイスをいただければ幸いです。

ありがとう！

画像の例：

小さなxの十字と小さな四角が、検出したいランドマークの上にあります（ラベル付けされたランドマークを含むトレーニングセットがあることを忘れていました）。白い線は実行された対策を表します。これらはさまざまなケースの一部です（もちろん、3Dボリューム全体を投稿することはできません）。

私は答えとしてこれを書くのをためらっていますが、あなたがアドバイスだけを求めているので、私はそうします。

Dual-Tree Complex Wavelet Transform（DTCWT）に基づく手法を調査することをお勧めします。これらは、ソース画像のシフト、スケーリング、および回転に優れた許容度を持つ記述子の生成に役立つことが示されています。ポイントの割り当てを許可しないという点で、これは古典的な問題ではありませんが、事前定義されたランドマークにテクニックを適用できると思う人もいるでしょう。

明らかに、ランドマークは臨床医の観点からいくらか興味を持っているので、それらについて何か興味があります-それは単に記述子でそれをモデル化する場合です。ウェーブレットテクニック（特にDTCWT）は、目が捉える機能のモデリングに優れている傾向があります。

出発点はおそらくこのかなり最近の論文でしょう。