一种高效鲁棒的胸部 X 光肋骨抑制方法以改进肺部异常诊断
图像与视频处理
2023-02-21 v1 计算机视觉与模式识别
摘要
抑制胸部 X 光（CXRs）上的胸椎骨阴影已被证明可改善肺部疾病诊断。先前方法可分为无监督物理模型和有监督深度学习模型。然而，物理模型能保留形态细节但代价是极长的处理时间，现有深度学习（DL）方法面临收集充足/高质量真值（GT）以进行鲁棒训练的挑战，从而导致无法维持临床可接受的假阳性率。我们在此提出一个可泛化且高效的两阶段流程：（1）通过物理模型在空间变换梯度场中消除 GT 骨阴影以生成训练对。（2）在阶段一数据集上全监督训练图像去噪网络，用于对输入 CXR 快速去除肋骨。对于第二步，我们设计了一个称为 SADXNet 的密集连接网络，结合峰值信噪比和多尺度结构相似性指数度量目标最小化来抑制骨结构。SADXNet 以 U 形组织空间滤波器（例如，X=7；滤波器 = 16, 64, 256, 512, 256, 64, 16）并在整个网络流中保持特征图维度。在视觉上，SADXNet 可抑制肋骨边缘及肺壁/椎体附近的边缘，而不损害血管/异常的清晰度。在定量上，测试时其 RMSE 约为 0，单次预测耗时 <1s。包括肺结节检测以及常见肺病分类与定位的下游任务被用于评估我们提出的肋骨抑制机制。我们观察到肺结节检测和常见肺病定位的曲线下面积（AUC）分别提升 3.23% 和 6.62%，绝对假阳性分别减少 203 和 385。
引用
@article{arxiv.2302.09696,
title = {An Efficient and Robust Method for Chest X-Ray Rib Suppression that Improves Pulmonary Abnormality Diagnosis},
author = {Di Xu and Qifan Xu and Kevin Nhieu and Dan Ruan and Ke Sheng},
journal= {arXiv preprint arXiv:2302.09696},
year = {2023}
}