摘要

本文提出了一种基于最优传输损失的热图回归方法，用于主动脉根部地标定位，旨在减轻医生在经导管主动脉瓣植入手术中的负担。传统的地标预测方法主要采用耗时的两步估计方法，而本文提出的方法能够在粗略图像中实现高精度的单步地标定位。该方法通过应用最优传输损失来打破传统热图回归方法中预测精度和学习稳定性之间的权衡。实验结果表明，该方法在3D CT图像数据集上的估计误差显著优于现有方法和其他损失函数。

原理

本文提出的方法基于U-Net架构，通过热图回归来预测地标位置。关键创新在于使用最优传输损失（Optimal Transport Loss, OT）来解决传统热图回归中的学习稳定性和预测精度之间的权衡问题。最优传输损失通过调整每个类别的样本权重，使得二分类问题对类别不平衡不敏感。此外，本文还提出了网格基李普希茨惩罚（Grid-based Lipschitz Penalty, GLiP），通过在热图回归中施加李普希茨约束，进一步提高了预测的准确性和稳定性。

流程

1. 输入3D CT图像数据。
2. 使用U-Net架构进行特征提取和热图生成。
3. 应用最优传输损失和GLiP来优化热图回归模型。
4. 输出预测的地标位置热图。 具体示例：在Sendai Kousei医院的3D CT图像数据集上，该方法能够从分辨率为1.6 mm的粗略图像中，将地标位置的偏差抑制到约一个体素级别。

应用

该方法不仅适用于主动脉根部的地标定位，还可扩展到其他医学图像分析任务，如CT、MRI和X-ray图像中的地标检测。由于其能够在粗略图像中实现高精度定位，该方法对于减少医生负担、提高诊断准确性和手术规划具有重要意义。此外，该方法在小数据集上的有效性也为其在资源有限的环境中的应用提供了可能。