基于脊柱X射线图像的脊柱侧弯分析

脊柱侧弯是一种先天性疾病，其脊柱偏离正常形态。脊柱侧弯的测量需要对脊柱中的椎骨进行标记与识别。脊柱X射线片是成像脊柱最具成本效益且最易获取的模态。在脊柱X射线片中可靠且准确的椎骨分割在图像引导的脊柱评估、疾病诊断与治疗规划中至关重要。传统的评估依赖于繁琐且耗时的手动测量，存在观察者间差异。文献中尚无可准确识别并分割相关椎骨的全自动方法。利用经过精心调整的带渐进侧输出的U-Net模型，我们提出了一种端到端的分割模型，可对与脊柱侧弯测量相关的椎骨提供全自动且可靠的分割。我们在一组前后位脊柱X射线图像上的实验结果表明，我们的模型平均Dice系数达到0.993，有望成为脊柱椎骨识别与标记的有效工具，最终帮助医生可靠地估计脊柱侧弯。此外，根据分割出的椎骨估算Cobb角进一步证明了我们模型的有效性。