基于深度神经网络的计算机断层扫描图像股骨自动分割
图像与视频处理
2021-02-16 v1 计算机视觉与模式识别
摘要
骨质疏松症是一种常见的骨骼疾病，发生于新骨生成跟不上旧骨流失时，导致骨折风险增加。50岁以上成年人尤其面临风险，并因活动受限而生活质量下降，可能导致孤立与抑郁。我们正在开发一种能够识别髋部骨折易感个体的稳健筛查方法以应对该临床挑战。该方法使用有限元分析并依赖于髋部计算机断层扫描（CT）图像的分割。目前，股骨近端的分割需要人工输入，这是一项繁琐且易受人误、严重限制该方法在临床环境中实用性的任务。在此我们提出一种分割股骨近端的新方法，使用深度卷积神经网络从CT扫描中生成准确、自动、稳健且快速的股骨分割。网络架构基于著名的u-net，其由用于提取输入块日益复杂特征的下采样路径和用于将所获低分辨率图像转换为高分辨率图像的上采样路径组成。跳跃连接使我们能够恢复下采样过程中丢失的关键空间信息。该模型在30张手动分割CT图像上训练，并在200个真实手动分割上评估。我们的方法分别给出0.990的均值Dice相似系数（DSC）和0.981 mm的第95百分位Hausdorff距离（HD95）。
引用
@article{arxiv.2101.11742,
title = {Automated femur segmentation from computed tomography images using a deep neural network},
author = {P. A. Bjornsson and B. Helgason and H. Palsson and S. Sigurdsson and V. Gudnason and L. M. Ellingsen},
journal= {arXiv preprint arXiv:2101.11742},
year = {2021}
}