基于无锚点关键点定位的可解释椎体骨折量化
图像与视频处理
2022-10-04 v2 计算机视觉与模式识别
摘要
椎体压缩骨折是骨质疏松症的早期征象。尽管这些骨折在计算机断层扫描(CT)图像上可见，但在临床环境中常被放射科医生漏诊。先前关于椎体骨折自动分类的研究已证明其可靠质量；然而，现有方法提供的输出难以解释，且有时无法处理具有严重异常（如高度病理性椎体或脊柱侧凸）的病例。我们提出一种新的两步算法，在 3D CT 图像中定位脊柱列，随后在 2D 中同时检测单个椎体并量化骨折。我们采用基于简单 6 关键点的标注方案为两步训练神经网络，该方案与当前临床建议精确对应。我们的算法无排除标准，在单块 GPU 上以 2 秒处理 3D CT，并提供可解释且可核验的输出。该方法接近专家水平表现，并在椎体 3D 定位（平均误差 1 mm）、椎体 2D 检测（精确率与召回率均为 0.99）及骨折识别（患者级 ROC AUC 高达 0.96）方面展示出最先进结果。我们的无锚点椎体检测网络在具有许多未见椎体类型的极具挑战性的 VerSe 数据集上以 ROC AUC 0.95、灵敏度 0.85、特异度 0.9 实现了优异的泛化能力。
引用
@article{arxiv.2204.06818,
title = {Interpretable Vertebral Fracture Quantification via Anchor-Free Landmarks Localization},
author = {Alexey Zakharov and Maxim Pisov and Alim Bukharaev and Alexey Petraikin and Sergey Morozov and Victor Gombolevskiy and Mikhail Belyaev},
journal= {arXiv preprint arXiv:2204.06818},
year = {2022}
}
备注
arXiv admin note: text overlap with arXiv:2005.11960