一种用于精确量化类风湿关节炎中关节间隙狭窄进展的深度配准方法
图像与视频处理
2024-04-01 v1 计算机视觉与模式识别
机器学习
摘要
类风湿关节炎(RA)是一种慢性自身免疫性炎症疾病，会导致进行性关节破坏和严重残疾。关节间隙狭窄(JSN)进展一直被视为RA进展的重要指标，并受到持续关注。在RA的诊断和监测中，放射学在监测关节间隙方面发挥着至关重要的作用。目前已开发出一种通过放射图像中的图像配准来量化JSN进展以监测关节间隙的新框架。该框架具有高精度的优点，但在减少失配和提高可靠性方面仍存在挑战。在这项工作中，提出了一种深度受试者内刚性配准网络，用于在RA早期自动量化JSN进展。在我们的实验中，移动图像与固定图像之间欧氏距离的均方误差为0.0031，标准差为0.0661 mm，失配率为0.48%。所提出的方法具有亚像素级精度，远超人工测量，并且对噪声、关节旋转和缩放具有免疫力。此外，这项工作提供了损失可视化，可帮助放射科医生和风湿病学家评估量化的可靠性，对未来可能的临床应用具有重要意义。因此，我们乐观地认为这项提出的工作将为RA中JSN进展的自动量化做出重大贡献。
引用
@article{arxiv.2304.13938,
title = {A Deep Registration Method for Accurate Quantification of Joint Space Narrowing Progression in Rheumatoid Arthritis},
author = {Haolin Wang and Yafei Ou and Wanxuan Fang and Prasoon Ambalathankandy and Naoto Goto and Gen Ota and Masayuki Ikebe and Tamotsu Kamishima},
journal= {arXiv preprint arXiv:2304.13938},
year = {2024}
}
备注
11 pages, 9 figures, 7 tables