基于脊柱矫正与解剖约束优化的CT椎体自动定位与识别
计算机视觉与模式识别
2020-12-16 v1
摘要
在许多脊柱疾病诊断和手术规划的临床应用中，需要准确的椎体定位与识别。然而，高度变化的病理（如椎体压缩骨折、脊柱侧弯和椎体固定）和成像条件（如有限视野和金属条纹伪影）给该任务带来了显著挑战。本文提出一种鲁棒且准确的方法，有效利用脊柱的解剖学知识以促进椎体定位与识别。训练一个关键点定位模型以产生椎体中心的激活图。然后沿脊柱中心线重新采样以产生脊柱矫正激活图，并进一步聚合成一维激活信号。此后，引入一个解剖约束优化模块，在调节椎体间距离的软约束和连续椎体索引的硬约束下，联合搜索最优椎体中心。在包含302张高度病理CT图像的主要公共基准上评估时，所提方法报告了97.4%的最先进识别（id.）率，并以将相对识别错误率减半的方式优于94.7%识别率的最佳竞争方法。
引用
@article{arxiv.2012.07947,
title = {Automatic Vertebra Localization and Identification in CT by Spine Rectification and Anatomically-constrained Optimization},
author = {Fakai Wang and Kang Zheng and Le Lu and Jing Xiao and Min Wu and Shun Miao},
journal= {arXiv preprint arXiv:2012.07947},
year = {2020}
}