CurvNet：用于曲率角度估计的潜在轮廓表示与迭代数据引擎
计算机视觉与模式识别
2025-10-10 v2
摘要
曲率角度是曲线的定量测量，其中 Cobb 角专为脊柱曲率定制。从 X 射线图像中自动测量 Cobb 角对于脊柱侧弯筛查和诊断至关重要。然而，大多数现有的基于回归和基于分割的方法在处理不准确的脊柱表示或掩码连通性与碎片化问题时面临困难。此外，基于关键点的方法受限于训练数据和标注的不足。为了应对这些挑战，我们提出了一种名为 CurvNet 的新型曲率角度估计框架，包括基于潜在轮廓表示的轮廓检测和基于迭代数据引擎的图像自生成。具体而言，我们在潜在空间中提出了一种参数化的脊柱轮廓表示，实现了特征脊柱分解和脊柱轮廓重建。潜在轮廓系数回归与边界框分类相结合，以解决预测不准确和掩码连通性问题。此外，我们开发了一种以迭代方式进行图像自生成、自动标注和自动选择的数据引擎。通过我们的数据引擎，我们生成了一个名为 Spinal-AI2024 的无隐私泄露的干净数据集，据我们所知，这是目前发布的最大的脊柱侧弯 X 射线数据集。在公开的 AASCE2019、我们私有的 Spinal2023 以及我们生成的 Spinal-AI2024 数据集上的大量实验表明，我们的方法实现了 SOTA 的 Cobb 角估计性能。我们的代码和 Spinal-AI2024 数据集分别发布于 https://github.com/Ernestchenchen/CurvNet 和 https://github.com/Ernestchenchen/Spinal-AI2024。
引用
@article{arxiv.2411.12604,
title = {CurvNet: Latent Contour Representation and Iterative Data Engine for Curvature Angle Estimation},
author = {Zhiwen Shao and Yichen Yuan and Lizhuang Ma and Xiaojia Zhu},
journal= {arXiv preprint arXiv:2411.12604},
year = {2025}
}