通过学习分解为骨分割计算机断层扫描的投影从普通 X 射线图像估计骨密度
图像与视频处理
2023-07-24 v1 计算机视觉与模式识别
摘要
骨质疏松症是一种普遍的骨病，会导致脆弱骨骼骨折，进而引起日常生活活动能力下降。双能 X 射线吸收测定法（DXA）和定量计算机断层扫描（QCT）对诊断骨质疏松症高度准确；然而，这些模态需要特殊设备和扫描协议。为了频繁监测骨骼健康，低成本、低剂量且普遍可用的诊断方法备受期待。在本研究中，我们旨在从普通 X 射线图像进行骨密度（BMD）估计以实现机会性筛查，这可能对早期诊断是潜在有用的。现有方法采用由感兴趣区域提取和简单回归组成的多阶段方法来估计 BMD，这需要大量训练数据。因此，我们提出一种高效方法，在有限数据集下学习分解为骨分割 QCT 的投影以进行 BMD 估计。所提方法在 BMD 估计中实现了高精度，对 DXA 测量的 BMD 和 QCT 测量的 BMD 估计任务分别观察到 0.880 和 0.920 的 Pearson 相关系数，且四种不同姿态测量的变异系数值的均方根为 3.27% 至 3.79%。此外，我们进行了广泛的验证实验，包括多姿态、未校准 CT 和压缩实验，以面向常规临床实践中的实际应用。
引用
@article{arxiv.2307.11513,
title = {Bone mineral density estimation from a plain X-ray image by learning decomposition into projections of bone-segmented computed tomography},
author = {Yi Gu and Yoshito Otake and Keisuke Uemura and Mazen Soufi and Masaki Takao and Hugues Talbot and Seiji Okada and Nobuhiko Sugano and Yoshinobu Sato},
journal= {arXiv preprint arXiv:2307.11513},
year = {2023}
}
备注
20 pages and 22 figures