基于图表示与曲面卷积的膝关节软骨缺陷评估
图像与视频处理
2022-01-13 v1 计算机视觉与模式识别
摘要
膝骨关节炎(OA)是最常见的骨关节炎，也是致残的主要原因。软骨缺陷被视为膝OA的主要表现，可通过磁共振成像(MRI)观察到。因此，早期检测和评估膝关节软骨缺陷对于保护患者免受膝OA侵害十分重要。为此，许多研究尝试将卷积神经网络(CNN)应用于膝关节MRI进行软骨缺陷评估。然而，软骨的生理特性可能阻碍此类努力：软骨是一薄层弯曲结构，意味着膝关节MRI中仅一小部分体素可用于软骨缺陷评估；异质扫描协议进一步挑战了CNN在临床实践中的可行性；基于CNN的膝关节软骨评估结果缺乏可解释性。为应对这些挑战，我们将膝关节MRI中的软骨结构与外观建模为图表示，其能够处理高度多样的临床数据。然后，在软骨图表示引导下，我们设计了一种带自注意力机制的非欧式深度学习网络，以在局部与全局提取软骨特征，并得出带可视化结果的最终评估。我们的综合实验表明，所提方法在膝关节软骨缺陷评估中取得优越性能，且具备便于3D可视化的可解释性。
引用
@article{arxiv.2201.04318,
title = {Knee Cartilage Defect Assessment by Graph Representation and Surface Convolution},
author = {Zixu Zhuang and Liping Si and Sheng Wang and Kai Xuan and Xi Ouyang and Yiqiang Zhan and Zhong Xue and Lichi Zhang and Dinggang Shen and Weiwu Yao and Qian Wang},
journal= {arXiv preprint arXiv:2201.04318},
year = {2022}
}
备注
10 pages, 4 figures