为在CT重建体积中检测解剖标志提供建议

我试图在CT重建体积中自动检测一些医学定义的解剖标志。医生使用这些界标来测量某些患者特定参数。我试图使用SIFT特征描述符，因为这些解剖标志是“关键点”。由于地标是通常不是SIFT定义的“兴趣点”的点（或微小区域），因此效果不是很好。我一直在寻找许多模式/模板匹配算法，但是，当我没有旋转/平移/缩放问题时，我发现提取的特征不能将每个界标的区别都足够大（与其余界标以及与非界标的其余部分区别开）地标补丁）以训练性能足够好的分类器（至少80％的检测精度）。

如果我没有足够清楚地说明问题，请告诉我。

我真的很感谢任何建议。

谢谢！

示例图片：

我想要检测的地标上有小x叉和小方块（我忘了提到我有训练集，带有标记的地标）。白线代表已采取的措施。这些是不同情况的一些片段（当然，我无法发布完整的3D卷）。

我很犹豫地将此作为答案，但是鉴于您只是在寻求建议，我会这样做。

我建议研究基于双树复数小波变换（DTCWT）的技术。这些已显示对于生成对源图像的移位，缩放和旋转具有良好容忍度的描述符很有用。这不是经典的问题，因为您不允许为您分配点，但是我怀疑您可能认为您可以使这些技术适应预定义的地标。

显然，从临床医生的角度来看，地标具有一定的吸引力，因此它们具有一些吸引力-这只是在描述符中进行建模的一种情况。小波技术（尤其是DTCWT）往往擅长于对人眼所捕捉的特征进行建模。

一个起点可能是这份相当新的论文。