CT 扫描中作为偶然发现的骶髂关节炎自动检测与诊断
图像与视频处理
2019-08-19 v1 计算机视觉与模式识别
机器学习
摘要
骶髂关节炎的早期诊断可带来预防性治疗，从而长期显著改善患者生活质量。通常，因疑似背痛会对下背部或腹部进行 CT 扫描。然而，由于早期健康与发炎的骶髂关节之间差异细微，该病症可能被漏诊。我们开发了一种新的自动算法，用于对因下背痛检查而行 CT 扫描的患者的骶髂关节炎 CT 扫描作为偶然发现进行诊断与分级。该方法基于有监督机器和深度学习技术。输入为包含患者骨盆的 CT 扫描。输出为对每个骶髂关节的诊断。算法包含四个步骤：1）使用启发式方法和 U-Net 分类器计算包含骨盆关节区域的初始感兴趣区域（ROI）；2）使用四树随机森林细化 ROI 以检测两侧骶髂关节；3）使用定制的切片 CNN 分类器对每幅 CT 切片中的每个骶髂关节进行个体骶髂关节炎分级；4）使用随机森林组合个体切片分级，给出骶髂关节炎诊断与分级。在 484 个骶髂关节上的实验结果表明，二分类和 3 分类的准确率分别为 91.9% 和 86%，灵敏度分别为 95% 和 82%，曲线下面积分别为 0.97 和 0.57。基于计算机的 CT 扫描自动分析有潜力成为一种有用的骶髂关节炎作为偶然发现的诊断与分级方法。
引用
@article{arxiv.1908.05663,
title = {Automatic detection and diagnosis of sacroiliitis in CT scans as incidental findings},
author = {Yigal Shenkman and Bilal Qutteineh and Leo Joskowicz and Adi Szeskin and Yusef Azraq and Arnaldo Mayer and Iris Eshed},
journal= {arXiv preprint arXiv:1908.05663},
year = {2019}
}