BLS-GAN：用于消除常规 X 射线片中骨骼重叠的深层分离框架
图像与视频处理
2024-12-30 v2 计算机视觉与模式识别
机器学习
摘要
常规 X 射线是诊断、监测和预后肌肉骨骼（MSK）疾病时广泛使用的成像技术，由于其易获取、多功能和高性价比。常规 X 射线中存在骨骼重叠，可能阻碍放射科医生或算法对骨骼特征的准确评估，为常规和计算机辅助诊断带来重大挑战。本工作聚焦于常规 X 射线中的骨骼层分离场景，即分离的重叠骨骼区域使每个骨骼层的骨骼特征能够独立评估，从而为 MSK 疾病诊断及其自动化奠定基础。本工作提出了骨骼层分离生成对抗网络（BLS-GAN）框架，可产生具有合理骨骼特征和纹理的高质量骨骼层图像。该框架引入了基于常规 X 射线成像原理的重构器，实现了高效重构，缓解了由于软组织在重叠区域导致的反复计算和训练不稳定问题。此外，采用合成图像进行预训练以增强训练过程和结果的稳定性。生成的图像通过视觉图灵测试，并且在下游任务中表现出 improved performance。本工作确认了从常规 X 射线中提取骨骼层图像的可行性，这为利用骨骼层分离技术促进 MSK 诊断、监测和预后更全面的分析研究开辟了道路。代码和数据集：https://github.com/pokeblow/BLS-GAN.git。
引用
@article{arxiv.2409.07304,
title = {BLS-GAN: A Deep Layer Separation Framework for Eliminating Bone Overlap in Conventional Radiographs},
author = {Haolin Wang and Yafei Ou and Prasoon Ambalathankandy and Gen Ota and Pengyu Dai and Masayuki Ikebe and Kenji Suzuki and Tamotsu Kamishima},
journal= {arXiv preprint arXiv:2409.07304},
year = {2024}
}
备注
Accepted by AAAI 2025