幾何学的構成と外観情報を、解剖学的ランドマークのローカリゼーションのための統一されたフレームワークに統合する

複数の解剖学的ランドマークの自動ローカリゼーションのアプローチでは、局所的に正確な候補生成によって得られた局所的に類似した構造の曖昧性を除去することは、しばしば幾何学的ランドマーク構成に関する高レベルの知識を含むだけで実行されます。斬新なローカリゼーションアプローチでは、画像の外観情報と幾何学的ランドマーク構成の両方を、座標降下アルゴリズムを使用して共同ランドマーク予測を繰り返し洗練する最適化手順に統合された統合されたランダムフォレストフレームワークに組み合わせることを提案します。特定のローカリゼーションタスクで複数のランドマークがどのように相関しているかに応じて、この統合には、複数のランドマークの外観情報または幾何学的構成が、正確かつ堅牢にローカリゼーションの問題を解決するためのより強いキューであるかどうかを決定する際に柔軟性を維持することができます。さらに、ランドマーク構成を説明するグラフィカルモデルをエンコードする方法についての予備的な選択を行う必要はありません。さまざまな2Dおよび3Dイメージングモダリティを含む5つの挑戦的なデータセットに関する広範な評価では、提案された方法が広く適用可能であり、他のさまざまな関連方法と比較した場合、最先端の結果を提供することを示します。

In approaches for automatic localization of multiple anatomical landmarks, disambiguation of locally similar structures as obtained by locally accurate candidate generation is often performed by solely including high level knowledge about geometric landmark configuration. In our novel localization approach, we propose to combine both image appearance information and geometric landmark configuration into a unified random forest framework integrated into an optimization procedure that iteratively refines joint landmark predictions by using the coordinate descent algorithm. Depending on how strong multiple landmarks are correlated in a specific localization task, this integration has the benefit that it remains flexible in deciding whether appearance information or the geometric configuration of multiple landmarks is the stronger cue for solving a localization problem both accurately and robustly. Furthermore, no preliminary choice on how to encode a graphical model describing landmark configuration has to be made. In an extensive evaluation on five challenging datasets involving different 2D and 3D imaging modalities, we show that our proposed method is widely applicable and delivers state-of-the-art results when compared to various other related methods.