基于结构化多输出回归的脊柱Cobb角直接估计
计算机视觉与模式识别
2020-12-24 v1 机器学习
摘要
定量评估脊柱曲度的Cobb角在脊柱侧凸诊断和治疗中起着重要作用。由于大量人工干预，这些角度的传统测量存在巨大变异性和低可靠性。然而，由于椎骨边界周围存在高度模糊性和变异性，自动获取Cobb角是具有挑战性的。本文中，我们将从脊柱X光片估计Cobb角表述为多输出回归任务。我们提出结构化支持向量回归(S^2VR)，在单一框架中联合估计X光片中脊柱的Cobb角和地标。所提出的S^2VR能忠实处理输入图像与定量输出之间的非线性关系，同时显式捕获输出的内在相关性。我们引入流形正则化以利用输出空间的几何结构。我们提出通过核目标对齐在S2VR中学习核以增强其判别能力。所提方法在439名脊柱侧凸受试者的脊柱X光片数据集上评估，与人工专家手动获得的真值达到92.76%的鼓舞人心相关系数，并优于两种基线方法。我们的方法以高精度实现Cobb角的直接估计，表明其在临床使用中的巨大潜力。
引用
@article{arxiv.2012.12626,
title = {Direct Estimation of Spinal Cobb Angles by Structured Multi-Output Regression},
author = {Haoliang Sun and Xiantong Zhen and Chris Bailey and Parham Rasoulinejad and Yilong Yin and Shuo Li},
journal= {arXiv preprint arXiv:2012.12626},
year = {2020}
}
备注
Proceedings of International Conference on Information Processing in Medical Imaging (IPMI 2017)