B-Spine：学习B样条曲线表示以实现鲁棒且可解释的脊柱曲率估计
图像与视频处理
2023-10-17 v1 计算机视觉与模式识别
摘要
脊柱曲率估计对脊柱侧弯的诊断与治疗十分重要。现有方法面临若干难题，例如需要昂贵的椎体标志点标注且对图像质量敏感。实现鲁棒估计并获得可解释结果具有挑战性，尤其对于模糊朦胧的劣质图像。本文提出 B-Spine，一种新颖的深度学习流程，用于学习脊柱的 B 样条曲线表示并从劣质 X 射线图像估计 Cobb 角以进行脊柱曲率估计。给定劣质输入，提出一种采用非配对图像到图像翻译的 novel SegRefine 网络，由初始分割结果生成高质量脊柱掩膜。接着，提出一种基于掩膜的 B 样条预测模型以预测脊柱中心线的 B 样条曲线。最后，通过结合曲线斜率分析与基于曲线的回归模型之混合方法估计 Cobb 角。我们在公开 AASCE2019 数据集与新提出的 CJUH-JLU 数据集（含更多挑战性劣质图像）上与代表性及 SOTA 基于学习的方法进行了定量与定性比较。在两个数据集上的优越性能表明我们的方法可实现脊柱曲率估计的鲁棒性与可解释性。
引用
@article{arxiv.2310.09603,
title = {B-Spine: Learning B-Spline Curve Representation for Robust and Interpretable Spinal Curvature Estimation},
author = {Hao Wang and Qiang Song and Ruofeng Yin and Rui Ma and Yizhou Yu and Yi Chang},
journal= {arXiv preprint arXiv:2310.09603},
year = {2023}
}