使用多模型图聚合检测脊柱 CT 图像中的肾上腺异常发现
计算机视觉与模式识别
2025-01-03 v3
摘要
腰痛是第二常向初级保健医生报告的症状，一生中影响 50% 至 80% 的人口，导致大量背痛患者被转诊进行 CT 和 MRI 扫描，随后由放射科医生进行检查。检查这些脊柱扫描影像的放射科医生自然会将注意力集中在脊柱病变上，可能会漏掉其他类型的异常，尤其是腹部异常，如恶性肿瘤。然而，接受脊柱扫描的患者同样可能患有恶性和其他腹部病变。因此，临床医生建议在筛查脊柱扫描影像中的额外异常时需要计算机辅助和决策支持。在本研究中，我们以检测肾上腺可疑病变这一重要案例为例，展示了我们开发的整体方法论。患者 CT 扫描由轴向定位的多个切片整合而成。我们的方法确定患者是否具有异常肾上腺，并在异常存在时对其进行定位。我们的方法由三个深度学习模型组成；每个模型在实现最终目标中承担不同任务。我们将这种复合方法称为多模型图聚合（MMGA）方法。本研究的新颖性有两方面。首先，将原本聚焦并调谐用于脊柱成像、从潜在脊柱疾病患者处采集的 CT 扫描影像，用于一项重要的筛查任务，以检测完全不同的异常集合，如腹部肾上腺病变。其次，我们构建了一个由三个深度学习模型组成的复杂流水线架构，该架构可应用于其他器官（如胰腺或肾脏），或类似的应用，但使用其他成像类型，如 MRI。
引用
@article{arxiv.2410.20568,
title = {Detection of adrenal anomalous findings in spinal CT images using multi model graph aggregation},
author = {Carmel Shabalin and Israel Shenkman and Ilan Shelef and Gal Ben-Arie and Alex Geftler and Yuval Shahar},
journal= {arXiv preprint arXiv:2410.20568},
year = {2025}
}