基于堆叠沙漏网络在超声脊柱图像上自动分割椎体特征
图像与视频处理
2021-05-25 v2 计算机视觉与模式识别
摘要
目的：棘突角（SPA）是表征脊柱三维（3-D）畸形的基本参数之一。我们提出一种基于堆叠沙漏网络（SHN）的自动分割方法，用于在超声（US）脊柱图像上检测棘突（SP）并测量临床脊柱侧弯受试者的SPA。方法：该网络在1200张超声横截面上训练以将椎体SP和椎板检测为五个关键点，并在100张图像上验证。所有标注SP和椎板的横截面图像被重建成3D图像体，并在冠状面投影图像上测量SPA。训练后的网络在400张图像上测试，计算关键点正确率（PCK）；并在50名脊柱侧弯受试者上通过比较US图像与X线摄影结果评估SPA测量。结果：训练后的网络在测试集上取得高平均PCK（86.8%），其中SP检测的PCK为90.3%。US与X线摄影方法测得的SPA呈良好相关性（r>0.85），两种模态间的平均绝对差（MAD）为3.3°，小于临床可接受误差（5°）。结论：利用SHN可在US脊柱图像上准确分割椎体特征，且US数据的SPA测量结果可与X线摄影金标准相媲美。
引用
@article{arxiv.2105.03847,
title = {Automatic segmentation of vertebral features on ultrasound spine images using Stacked Hourglass Network},
author = {Hong-Ye Zeng and Song-Han Ge and Yu-Chong Gao and De-Sen Zhou and Kang Zhou and Xu-Ming He and Edmond Lou and Rui Zheng},
journal= {arXiv preprint arXiv:2105.03847},
year = {2021}
}
备注
9 pages,5 figures