基于深度学习的肋骨中心线提取与标记
摘要
肋骨中心线的自动提取与标记通常是更先进的辅助阅片工具所需的前置条件，这类工具可帮助放射科医生高效检查 CT 体积中的全部 24 根肋骨。本文中，我们将基于深度学习的肋骨检测与应用于检测结果的专用中心线提取算法相结合，以实现从 CT 体积中快速、鲁棒且准确地提取和标记肋骨中心线。更具体地，我们首先应用全卷积神经网络（FCNN）生成概率图，用于检测第一肋对、第十二肋对以及所有中间肋骨的集合。在第二阶段，将新设计的中心线提取算法应用于该多标签概率图。最后，通过分别明确检测第一和第十二肋骨，可通过简单排序并对检测到的中心线计数来推导各肋骨标签。我们将该方法应用于 116 例患者的 CT 体积，其中包含多种不同挑战，相对于人工中心线标注取得了 0.787 mm 的中心线精度。本文为以下文章的预印本版本：Lenga M., Klinder T., Bürger C., von Berg J., Franz A., Lorenz C. (2019) Deep Learning Based Rib Centerline Extraction and Labeling. In: Vrtovec T., Yao J., Zheng G., Pozo J. (eds) Computational Methods and Clinical Applications in Musculoskeletal Imaging. MSKI 2018. Lecture Notes in Computer Science, vol 11404. Springer, Cham
引用
@article{arxiv.1809.07082,
title = {Deep Learning Based Rib Centerline Extraction and Labeling},
author = {Matthias Lenga and Tobias Klinder and Christian Bürger and Jens von Berg and Astrid Franz and Cristian Lorenz},
journal= {arXiv preprint arXiv:1809.07082},
year = {2019}
}
备注
This paper was accepted for presentation at the MICCAI MSKI 2018 Workshop