BMD-GAN：利用层次学习将X射线图像分解为骨分割定量CT投影的骨密度估计方法
图像与视频处理
2022-07-08 v1 计算机视觉与模式识别
摘要
我们提出了一种从普通X射线图像估计骨密度（BMD）的方法。双能X射线吸收测定法（DXA）和定量计算机断层扫描（QCT）在诊断骨质疏松症方面具有高精度；然而，这些模态需要特殊设备和扫描协议。通过X射线图像测量BMD提供了一种机会性筛查，对早期诊断具有潜在价值。以往直接学习X射线图像与BMD之间关系的方法，由于X射线图像中强度变化较大，需要大型训练数据集才能达到高精度。因此，我们提出一种利用QCT训练生成对抗网络（GAN），并将X射线图像分解为骨分割QCT投影的方法。所提出的层次学习提高了对小面积目标进行定量分解的鲁棒性和准确性。使用我们命名为BMD-GAN的方法对200名骨关节炎患者进行的评估显示，预测的BMD与真实DXA测量的BMD之间的皮尔逊相关系数为0.888。除了不需要大规模训练数据库外，我们方法的另一个优势是其可扩展至其他解剖区域，如椎骨和肋骨。
引用
@article{arxiv.2207.03210,
title = {BMD-GAN: Bone mineral density estimation using x-ray image decomposition into projections of bone-segmented quantitative computed tomography using hierarchical learning},
author = {Yi Gu and Yoshito Otake and Keisuke Uemura and Mazen Soufi and Masaki Takao and Nobuhiko Sugano and Yoshinobu Sato},
journal= {arXiv preprint arXiv:2207.03210},
year = {2022}
}
备注
MICCAI 2022 Provisional Acceptance