引入各向异性Minkowski泛函用于近端股骨标本局部结构分析及生物力学强度预测
图像与视频处理
2020-04-03 v1 计算机视觉与模式识别
机器学习
摘要
由骨质疏松或损伤引起的骨脆性和骨折在50岁以上成年人中十分普遍，并会降低其生活质量。因此，通过基于无创影像的方法预测骨生物力学强度（特别是近端股骨）是诊断骨质疏松以及评估骨折风险的重要目标。双能X线吸收测定法（DXA）已作为通过骨密度（BMD）测量评估和诊断骨强度与骨质疏松的标准临床流程。然而，既往研究表明定量计算机断层扫描（QCT）对骨小梁表征更具敏感性和特异性，因其减少了周围软组织和骨皮质壳的重叠效应与干扰。本研究提出一种从定量多排计算机断层扫描（MDCT）图像预测近端股骨标本骨强度的新方法。采用纹理分析方法如常规统计矩（BMD均值）、各向同性Minkowski泛函（IMF）和各向异性Minkowski泛函（AMF）来量化骨小梁微结构的BMD特性。然后将这些提取特征的多种组合用于通过复杂机器学习技术（如多元回归（MultiReg）和线性核支持向量回归（SVRlin））预测股骨标本的生物力学强度。使用这些特征集所达到的预测性能与采用标本平均BMD和多元回归模型的标准方法通过均方根误差（RMSE）进行比较。
引用
@article{arxiv.2004.01029,
title = {Introducing Anisotropic Minkowski Functionals for Local Structure Analysis and Prediction of Biomechanical Strength of Proximal Femur Specimens},
author = {Titas De},
journal= {arXiv preprint arXiv:2004.01029},
year = {2020}
}