arXiv cs.AI· Augustin Daridon, Sofiane Sifaoui, Ayman Assi, Mohamad Karam, Wafa Skalli, Elsa Angelini, Loic Le Folgoc·· 2 天前AI 评分18
用稠密表示学习与可微形状建模做脊柱关键点检测
Dense Representation Learning and Differentiable Shape Modeling for Spine Landmark Detection
AI 导读
研究将脊柱 X 光片的关键点检测重构为像素级对比表示学习问题，用稠密像素嵌入匹配关键点原型，即使搭配通用 U-Net 主干也能生成比传统热图回归更具判别性的热图，更好区分不同椎骨的椎角。方法再将热图与脊柱关键点全局配置的可学习形状先验结合以消解位置歧义，在公开 AASCE 数据集和两个私有脊柱 X 光数据集上，关键点精度与临床参数估计均达到与 SOTA 相当的水平，代码与预训练权重已公开。
正文 · AI 翻译
摘要：从脊柱 X 射线中检测脊柱关键点是估计脊柱变形严重程度、构建生物力学模型以及进行术前规划的关键步骤。我们将解剖关键点检测重新表述为像素级对比表示学习问题，将稠密像素嵌入与关键点原型进行匹配。令人惊讶的是，即使使用通用的 U-Net 主干网络，这一表述相比传统热图回归范式也能产生更具判别性的热图，从而更好地区分不同椎骨上的椎骨角点。此外，我们将生成的热图与关于脊柱关键点全局配置的可学习形状先验相结合，以解决关键点位置中的歧义，从而得到一种简单实用的脊柱关键点检测方法。在公开的 AASCE 数据集和两个私有脊柱 X 射线数据集上，我们的方法在关键点准确性和临床参数估计方面与最先进方法具有竞争力。我们的代码和预训练权重可在 此 https URL 获取。
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.36951 [cs.CV] |
| （或 arXiv:2610.36951v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.36951 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Sofiane Sifaoui [查看电子邮件]
[v1]
2026年10月27日星期二 10:11:18 UTC（7,726 KB）
来源：arXiv cs.AI · arxiv.org