使用实例分割自动化测量青少年特发性脊柱侧凸的 Cobb 角
图像与视频处理
2022-11-28 v1 计算机视觉与模式识别
机器学习
摘要
脊柱侧凸是一种脊柱的三维畸形，最常见于儿童期诊断。它影响 2-3% 的人口，在北美约为七百万人。目前，评估脊柱侧凸的参考标准基于在弯曲中心处手动标定 Cobb 角。这一手动过程耗时且不可靠，因为它受观察者间和观察者内差异的影响。为克服这些不准确性，可使用机器学习（ML）方法自动化 Cobb 角测量过程。本文提出使用实例分割模型 YOLACT 来解决 Cobb 角测量任务。所提方法首先使用 YOLACT 在 X 射线图像中分割椎体，然后通过最小边界框方法追踪重要标志点。最后，提取的标志点用于计算相应的 Cobb 角。该模型取得了 10.76% 的对称平均绝对百分比误差（SMAPE）分数，证明了该过程在椎体定位和 Cobb 角测量中的可靠性。
引用
@article{arxiv.2211.14122,
title = {Automating Cobb Angle Measurement for Adolescent Idiopathic Scoliosis using Instance Segmentation},
author = {Chaojun Chen and Khashayar Namdar and Yujie Wu and Shahob Hosseinpour and Manohar Shroff and Andrea S. Doria and Farzad Khalvati},
journal= {arXiv preprint arXiv:2211.14122},
year = {2022}
}