基于关键点定位的椎体检测与骨折严重程度量化联合方法
图像与视频处理
2020-07-21 v2 计算机视觉与模式识别
摘要
椎体压缩骨折是骨质疏松可靠的早期征象。尽管这些骨折在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性；然而，现有方法输出难以解释，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，随后在2D中同时检测单个椎体并量化骨折。我们使用基于简单6关键点的标注方案为两步训练神经网络，该方案与当前医学建议精确对应。我们的算法无排除标准，在单GPU上以2秒处理3D CT，并提供直观且可验证的输出。该方法接近专家水平性能，并在椎体3D定位（平均误差1 mm）、椎体2D检测（精确率0.99，召回率1）和骨折识别（患者级ROC AUC为0.93）方面展示了最先进的结果。
引用
@article{arxiv.2005.11960,
title = {Keypoints Localization for Joint Vertebra Detection and Fracture Severity Quantification},
author = {Maxim Pisov and Vladimir Kondratenko and Alexey Zakharov and Alexey Petraikin and Victor Gombolevskiy and Sergey Morozov and Mikhail Belyaev},
journal= {arXiv preprint arXiv:2005.11960},
year = {2020}
}
备注
Accepted to MICCAI-2020