摘要
胎儿心脏结构的定位需要具备能够跟随各个解剖目标的大小和方向的特征。我们提出了一种基于几何引导的区域交互与变换的定向边界框检测方法（GRIT-OBB），该方法利用校正后的候选框几何信息来指导特征提取和边界框的精细化处理。首先通过水平方向的候选框开始，通过监督学习进行校正，得到用于旋转敏感对齐的采样区域对应的定向边界框。接着，通过几何引导的关系残差结合高斯边界框表示和Wasserstein距离来合并区域特征，随后进行分类和精细化处理。最后，通过旋转的交并损失来直接监督候选框的校正和定位过程。我们在三个数据集上对GRIT-OBB与其他六种方法进行了评估：FOCUS、OCD和AU-OPG，这些数据集分别包含300、120和901张图像。在FOCUS数据集上，GRIT-OBB的平均AP50达到了47.74%，AP75达到了8.53%，mAP50:95达到了16.81%，相比最强的基线方法分别提高了4.74%、1.8%和2.01%。在OCD数据集上，GRIT-OBB的平均AP50达到了73.14%，AP75达到了18.97%，mAP50:95达到了30.77%，相比最强的基线方法分别提高了12.40%、13.54%和11.28%。在AU-OPG数据集上，GRIT-OBB的平均AP50达到了82.65%，AP75达到了59.66%，mAP50:95达到了50.66%，相比最强的基线方法分别提高了2.41%、7.27%和3.88%。在消融研究中，去除监督下的几何校正后，FOCUS数据集上的AP50性能从47.74%下降到43.44%；同时去除IoU损失后，AP75的性能从8.53%下降到6.59%。这些结果支持了我们的假设：基于几何引导的特征对齐以及在连续定位阶段进行直接监督可以提高胎儿心脏结构的物体检测性能。
