在多样采集条件下检测X射线中的骨病变
摘要
原发性骨肿瘤的诊断具有挑战性，因为初始症状常为非特异性。骨癌的早期检测对良好预后至关重要。偶发地，病变可能在进行其他目的拍摄的射线照片中发现。然而，这些早期迹象常被遗漏。在本工作中，我们提出一种自动算法以在常规射线照片中检测骨病变，从而促进早期诊断。在此类射线照片中检测病变具有挑战性：首先，骨癌患病率极低；任何方法必须展现高精度以避免数量 prohibitive 的误报。其次，在健康维护组织（HMOs）或急诊科（EDs）拍摄的射线照片因不同的X射线机、技师和成像协议而具有固有多样性。这种多样性对任何自动分析方法都是主要挑战。我们提议训练一个现成的目标检测算法来检测射线照片中的病变。我们方法的新颖性源于一个专门的预处理阶段，其直接应对数据的多样性。预处理包括使用视觉Transformer（ViT）的自监督感兴趣区域检测，以及仅针对相关区域进行对比度增强的基于前景的直方图均衡化。我们通过一项回顾性研究评估我们的方法，该研究分析了2003年1月至2018年12月在多样采集协议下获取的射线照片中的骨肿瘤。我们的方法在1.5%假阳性率下获得82.43%的灵敏度，并超越现有预处理方法。对于病变检测，我们的方法达到82.5%准确率和0.69的IoU。所提出的预处理方法能有效应对HMOs和EDs中采集的射线照片的固有多样性。
引用
@article{arxiv.2212.07792,
title = {Detecting Bone Lesions in X-Ray Under Diverse Acquisition Conditions},
author = {Tal Zimbalist and Ronnie Rosen and Keren Peri-Hanania and Yaron Caspi and Bar Rinott and Carmel Zeltser-Dekel and Eyal Bercovich and Yonina C. Eldar and Shai Bagon},
journal= {arXiv preprint arXiv:2212.07792},
year = {2024}
}
备注
Citation: Tal Zimbalist, Ronnie Rosen, Keren Peri-Hanania, Yaron Caspi, Bar Rinott, Carmel Zeltser-Dekel, Eyal Bercovich, Yonina C. Eldar, Shai Bagon, Detecting bone lesions in X-ray under diverse acquisition conditions, J. Med. Imag. 11(2), 024502 (2024), doi: 10.1117/1.JMI.11.2.024502