基于投影估计的 CT 扫描身体部位识别简单有效方法
计算机视觉与模式识别
2025-05-01 v1
摘要
众所周知，机器学习模型需要大量标注数据才能获得最佳性能。对 CT 数据进行标注通常具有挑战性，因为其体数据特性以及常常缺失或不完整的相关元数据。即使检查一份 CT 扫描，也需要额外的计算机软件，或在编程语言情况下，需要额外的编程库。本研究提出了一种基于 2D 类 X 射线估计 3D CT 扫描的简单有效方法，用于身体区域识别。虽然身体区域通常与 CT 扫描相关联，但往往只描述所关注的主要身体区域，忽略了在观察的 CT 中存在的其他解剖区域。通过本方法，估计的 2D 图像被用于识别 14 个 distinct 身体区域，为构建高质量医疗数据集提供了宝贵信息。为评估所提方法的有效性，将其与 2.5D、3D 和基础模型 (MI2) 基于的方法进行了比较。我们的做法在统计上显著优于其他方法，其中在 F1 分数方面，表现最好的模型 EffNet-B0 为 0.980 ± 0.016，与 0.840 ± 0.114 (2.5D DenseNet-161)、0.854 ± 0.096 (3D VoxCNN) 及 0.852 ± 0.104 (MI2 基础模型) 相比。
引用
@article{arxiv.2504.21810,
title = {A simple and effective approach for body part recognition on CT scans based on projection estimation},
author = {Franko Hrzic and Mohammadreza Movahhedi and Ophelie Lavoie-Gagne and Ata Kiapour},
journal= {arXiv preprint arXiv:2504.21810},
year = {2025}
}
备注
19 pages, 6 figures