大规模CT队列中Thoracolumbar Stump Rib的自动检测与分析
计算机视觉与模式识别
2025-05-09 v1 机器学习
摘要
Thoracolumbar stump ribs是thoracolumbar过渡性脊柱或枚举异常的重要指示器。虽然一些研究人工评估这些异常并对 ribs进行定性描述，但本研究旨在自动化stump rib检测并对其形态进行量化分析。为此，我们训练了一个高分辨率深度学习模型进行 rib分割，并在现有模型( Dice得分0.997 vs. 0.779, p<0.01)方面实现了显著改进。此外，我们使用迭代算法和分段线性插值来评估 ribs的长度，成功率达到98.2%。在分析形态特征时，我们显示stump ribs在脊柱上更后方地与之关节(-19.2±3.8 vs -13.8±2.5, p<0.01)，更薄(260.6±103.4 vs. 563.6±127.1, p<0.01)，并且在前几厘米内更倾向于向下和向侧方向排列，与完整长度 ribs不同。我们显示，对于部分可见 ribs，这些特征可实现stump ribs与常规 ribs区分的F1得分0.84。我们发布了模型权重和掩码供公众使用。
引用
@article{arxiv.2505.05004,
title = {Automated Thoracolumbar Stump Rib Detection and Analysis in a Large CT Cohort},
author = {Hendrik Möller and Hanna Schön and Alina Dima and Benjamin Keinert-Weth and Robert Graf and Matan Atad and Johannes Paetzold and Friederike Jungmann and Rickmer Braren and Florian Kofler and Bjoern Menze and Daniel Rueckert and Jan S. Kirschke},
journal= {arXiv preprint arXiv:2505.05004},
year = {2025}
}