细微特征显真章：基于对比学习辅助的椎体骨折自动筛查
计算机视觉与模式识别
2022-11-14 v2
摘要
长期椎体骨折严重影响患者生活质量，导致驼背、腰椎畸形甚至瘫痪。计算机断层扫描（CT）是临床早期筛查该疾病的常用检查手段。然而，微弱的放射学表现和非特异性症状导致高漏诊风险，尤其对于轻度椎体骨折。本文认为，增强微弱骨折特征以提升类间可分离性是提高准确率的关键。受此启发，我们提出一种基于监督对比学习的模型，利用CT扫描估计Genent椎体骨折分级。监督对比学习作为辅助任务，缩小同类特征间距离并推远异类特征，增强模型捕捉椎体骨折细微特征的能力。我们的方法在二分类中特异度99%、敏感度85%，在多分类中宏F1为77%，表明对比学习显著提升了椎体骨折筛查准确率。鉴于该领域数据集匮乏，我们构建了包含208份由经验丰富的放射科医生标注样本的数据库。我们的脱敏数据与代码将公开供学界使用。
引用
@article{arxiv.2208.10698,
title = {Faint Features Tell: Automatic Vertebrae Fracture Screening Assisted by Contrastive Learning},
author = {Xin Wei and Huaiwei Cong and Zheng Zhang and Junran Peng and Guoping Chen and Jinpeng Li},
journal= {arXiv preprint arXiv:2208.10698},
year = {2022}
}
备注
Accepted by BIBM2022 as short paper