# 从人体姿态估计视角重新审视头颅测量标志点检测：轻量级超分辨率头部
## 标题
Revisiting Cephalometric Landmark Detection from the view of Human Pose Estimation with Lightweight Super-Resolution Head
## 作者
Qian Wu, Si Yong Yeo, Yufei Chen, Jun Liu
## 摘要
准确的颅面标志点定位在正畸学和正颌外科学领域具有重要意义，因为它具有自动标记关键点的潜力。在标志点检测（尤其是头颅测量学）的背景下，现有方法通常缺乏标准化的流程和精心设计的偏差减少过程，这显著影响了其性能。在本文中，我们重新审视了一个相关任务——人体姿态估计（Human Pose Estimation, HPE），该任务与头颅测量标志点检测（Cephalometric Landmark Detection, CLD）有许多相似之处，并强调了将前者的技术迁移至后者的潜力。受此启发，我们基于成熟的HPE代码库MMPose，开发了一个稳健且适应性强的基准。该基准可作为实现卓越CLD性能的可靠基线。此外，我们在框架中引入了一个上采样设计以进一步提升性能。该增强包括一个轻量且高效的超分辨率模块，该模块在高分辨率特征上生成热图预测，并由于其减少量化偏差的能力，进一步优化了性能。在MICCAI CLDetection2023挑战赛中，我们的方法在三个指标上获得第一名，在剩余一个指标上获得第三名。我们的方法代码可在 https://github.com/5k5000/CLdetection2023 获取。
## 主题/分类
- 计算机视觉与模式识别（Computer Vision and Pattern Recognition, cs.CV）
- 人工智能（Artificial Intelligence, cs.AI）