CartiMorph：一种自动化膝关节关节软骨形态测量框架

我们介绍 CartiMorph，一种用于自动化膝关节关节软骨形态测量的框架。它以图像为输入，生成软骨亚区的定量指标，包括全层软骨缺失（FCL）百分比、平均厚度、表面积和体积。CartiMorph 利用深度学习模型的力量进行分层图像特征表示。深度学习模型经训练与验证用于组织分割、模板构建以及模板到图像的配准。我们建立了基于表面法线的软骨厚度映射、FCL 估计以及基于规则的软骨分块方法。我们的软骨厚度图在薄区域与周边区域显示出更小的误差。我们通过比较模型分割获得的定量指标与手动分割获得的定量指标来评估所采用分割模型的有效性。FCL 测量的均方根偏差小于 8%，且平均厚度（Pearson 相关系数 $\rho \in [0.82,0.97]$）、表面积（$\rho \in [0.82,0.98]$）和体积（$\rho \in [0.89,0.98]$）测量均观察到强相关性。我们将我们的 FCL 测量与先前研究进行比较，发现我们的测量偏离真值更少。我们观察到所提出的基于规则的软骨分块方法相较基于图谱的方法具有更优性能。CartiMorph 有潜力促进膝关节骨关节炎影像学生物标志物的发现。